无人驾驶规划控制方法论
无人驾驶规划控制方法论
- 无人驾驶规划控制方法论
-
- 基于状态空间的轨迹规划方法
- 基于参数化曲线的轨迹规划方法
- 基于系统特征的规划方法
- 基于滑动窗口的轨迹规划方法
无人驾驶规划控制方法论
无人驾驶规划控制主要方法有：
- 基于参数化曲线的轨迹规划方法
- 基于系统特征的规划方法
- 基于滑动窗口的轨迹规划方法
基于状态空间的轨迹规划方法
基于状态空间的轨迹规划最好的是最优控制法 。所谓的最优控制法，就是说通过最优控制的理论找到理论上可以达到的最优控制量u(t)，使得系统x(t) = f(x(t),u(t),t)，得到轨迹方程:x(t)。根据该公式，就可以让车沿着这条轨迹行驶，然后就可以获得最优结果，使得评价函数e(x)、或者损失函数J(x)最低。
在该方法中，必须要将评价方程和状态方程联系起来，只有满足约束条件，才能使得评级函数置0，求出轨迹方程x(t)，获得最优路径。
此方法一般要包含一个或多个性能指标，例如时间、耗油量、路径长度 等等。一般才有极小值原理来进行求解。生成的轨迹具有曲率连续 的优点，这点非常重要，因为针对无人驾驶来说，连续的曲率是十分重要的，曲率的连续意味着我们再前进的过程中可以在不停车的情况下沿着轨迹行走，而一旦曲率出现中断，就需要在中断点处停下来，调整好方向后，再继续沿着后面的轨迹行进，这点对于无人驾驶是完全不可以接收的。
对于终端时间自由问题的求解一般采用边界值问题 BVP(Boundary Value Problem)的求解方法，这种求解方法需要对问题的解有一个初始估计值，如果初始估计值和结果数值相差较大会影响最终对问题的求解精度，且为了容易求解，评价函数一般只包括一到两个评价指标，多个评价指标会使得问题的求解变得复杂。
基于参数化曲线的轨迹规划方法
这种方法一般来说都是基于贝塞尔曲线或者B样条 来实现的。我们以B样条为例，B样条曲线是由一组控制节点群来确定的一条曲线，这些控制点按顺序连续形成一个控制多边形，B样条就会在一定的约束条件下无限趋近这个控制多边形 。
B样条天生具有曲率连续可导的优点，即使是相邻的控制节点之间，其曲率也是连续的，且具有局部支撑性，保证了在任意两个控制节点之间的调整，不会影响到其他控制节点之间的曲线。
如果轨迹局部的约束条件不满足，可以通过调整相应控制点的方法来对轨迹进行修正，而不影响其它的轨迹段，具有应用性强的特点。
还有一种曲线叫做β 样条曲线，这种曲线是关于B样条曲线的推广和发展，其同样满足B样条的特性，例如曲率连续等等，其基于B样条引入了新的参量，因此它没法通过改变控制顶点来改变曲线形状，但是它依然可以在考虑多个约束条件后，对车辆的行进轨迹进行规划，生成一条满足条件的、曲率连续的、无碰撞的行驶轨迹。但是其由于是引入了新的参量，使得求解变得复杂起来。
基于系统特征的规划方法
微分平坦法是针对系统特征的一种轨迹规划方法。微分平坦系统是指可以找到一组系统输出，使得所有状态变量和输入变量都可以由这组输出及其导数决定(不需积分)。
首先在泊车空间生成一条无碰路径，然后考虑运动学约束条件，将路径变成可行的轨迹。利用微分平坦方法规划的轨迹具有可行性强的优点，由参数化曲线在平坦输出空间对平坦输出参数化后，能够生成满足多个非完整约束条件的行驶轨迹。但是此方法仅适用于微分平坦系统，使其应用范围受到一定的限制。
基于滑动窗口的轨迹规划方法
基于滚动窗口的轨迹规划方法是根据传感器提供的实时环境信息，以滚动方式进行在线规划。在每一步的滚动规划中，根据环境信息，生成优化子目标，在当前的滚动窗口中进行轨迹规划，然后对当前的规划策略进行实施，随着滚动窗口的逐步推进，不断获得新的环境信息，从而实现优化与反馈的结合。
利用滚动规划的基本原理，提出了一种环境未知情况下移动机器人的轨迹规划方法，该方法利用机器人实时的局部环境信息，以滚动规划方式进行在线轨迹规划。该方法能够确保机器人在未知环境中安全地避开障碍物行驶，具有反应速度快和计算量小 的优点，能够适应变化的环境，是一种有效实用的工具。