自动驾驶TPM技术杂谈 ———— 车辆局部轨迹规划

局部路径规划一般是指在有障碍物的环境中，如何利用自身传感器感知周边环境，并寻找一条从当前点到目标点的局部行驶轨迹，是自动驾驶能安全、迅速到达目标位置。自动驾驶运动规划器需要在将轨迹发送到汽车控制模块之前对环境进行理解。理解环境的步骤通常通过提取能够捕捉本汽车状态、与障碍物的交互情况、交通管制约束等的特征来实现。这些特征一起形成本车的状态，然后运动规划器建立从当前环境的状态空间到车辆移动轨迹空间的映射。局部轨迹规划的方法主要包括以下两个关键部分：
1. 建立环境模型：即将自动驾驶车辆所处现实世界抽象后，建立计算机可认知的环境模型。
2. 搜索无碰路径：即在某个模型的空间中，在多种约束条件下，选择符合条件的路径搜索算法。根据不同行驶环境的特点，自动驾驶车辆局部轨迹规划中的侧重点和难点都会有相应的不同。
在高速公路中，行车环境比较简单但车速较快，此时对自动驾驶车辆控制精度要求很高，难点在于环境信息获取的位置精度和路径搜索的速度。
在城市半结构化道路中，道路环境特征较为明显但是交通环境较为复杂，周边障碍物较多，这就对车辆识别道路特征和障碍物的可靠性有较高要求，轨迹规划的难点主要在于车辆周围环境建模和避障行驶的路径搜索，特别是对动态障碍物方向和速度的预测。
在越野环境的非结构化道路上，车辆所处的环境没有明显的道路边界，路面起伏不平，可能存在大坑或者土堆，这对车辆识别周围环境（特别是地形、地势识别）提出了较高要求，轨迹规划的难点在于汽车可通行区域的识别。

生成一系列轨迹点所定义的轨迹的目的在于局部运动规划中对路径的需求。每个轨迹点都被分配了一个时间戳以及速度参数，在拟合一条连续曲线以与这些预先设定的轨迹点相吻合的基础上构建局部运动规划的基础框架。在存在移动障碍物的情况下，在满足路段安全的前提下完成路径规划任务是关键目标之一。路段上每一个预先设定的时间戳都被赋予相应的空间位置坐标值，在预测模块输出预测结果的同时将这些时间戳作为约束条件被引入系统中以确保规划出的安全性与可行性。基于上述方法构建出来的三维空间中的运动路径不仅能够满足规划精度的要求还能够保证车辆行驶过程中的动态安全性问题得到妥善解决。
直接构造法：该方法主要关注于车辆后轴中心坐标的运动学特性分析其运动学行为特征通过构建车辆后轴中心坐标关于时间t的一次到五次多项式函数来实现路径拟合过程这一特性使得后续的设计工作更加简便易行。
基于五次多项式的函数构造方法具有良好的平滑性特点能够在保证初始位置、终止位置以及一阶导数连续性的前提下实现高精度的道路曲线拟合效果这一特性使得该方法能够在复杂多变的城市道路环境中展现出良好的适应能力。
此外为了进一步提高系统的鲁棒性与适应性针对非结构化环境下的车辆动态模型构建问题提出了更具通用性的解决方案这种方法的核心思想在于通过动态地调节目标函数中的权重系数来平衡多目标优化过程中的各项性能指标从而实现全局最优解的目标。

直接采用传统直接构造法进行运动轨迹规划所得的结果中,为了确保系统的性能指标,需要满足运动学约束条件中的速度、加速度以及轨迹自身的几何约束条件,相较于其他方法而言更加复杂;而路径-速度分解方法则通过将构建符合连续有界曲率条件的路径这一步骤与在该路径上生成符合连续有界速度并保证加速度及曲率导数均具有有限值的过程两个步骤分别进行处理,从而降低了整个运动轨迹规划问题的技术难度

运动轨迹的几何表达方式主要有以下几种：
1. 直线与圆弧段：Dubins曲线和Reeds-Shepp曲线均是由最大曲率圆弧与直线构成，在构型空间中任意两点间的最短路径上分别对应无倒车与有倒车的情况。当出现圆弧与直线交接处存在曲率不连续现象时，在车辆沿曲线行驶过程中需于曲率不连续处停车调整方向以实现平稳过渡。回旋线可对此问题提供解决方案并改造Dubins曲线及RS曲线：其特点是回旋线的曲率与其长度呈正比关系因而可适合作为直线至圆弧过渡的理想曲线以保证路径规划中的曲率连续性。
2. 多项式螺旋线：这类线条的曲率是与其长度相关的多项式函数而回旋线作为一种特殊的多项式螺旋线因其规划效率较低而面临求解困难的问题即在给定边界条件下必须通过数值方法求解多项式中的未知参数才能确定最终的曲线形状。
3. 样条曲线：此类曲线具有良好的曲率连续性特性包括B样条、三次Bezier及η3样条等均具备不同程度的曲率连续性特征其中η3样条作为七次样条具有优异的曲率特性对于高速行驶车辆的安全性而言具有重要意义