【自动驾驶轨迹规划之kinodynamic planning】
发布时间
阅读量：
阅读量
欢迎大家关注我的B站：
偷吃薯片的Zheng同学的个人空间-偷吃薯片的Zheng同学个人主页-哔哩哔哩视频 (bilibili.com)
本文PPT来自深蓝学院《移动机器人的运动规划》
目录
1.kinodynamic的背景
2. old-school pipline
3.example
1.kinodynamic的背景
kinodynamic是一个合成词，由运动学与动力学组成
该规划问题受制于运动学约束的限制：包括避障操作以及高阶微分模型的应用。该规划问题又受到动力学约束的限制：其中的状态变量与控制量均需满足有界的条件。
2. old-school pipline
基于传统方法完成轨迹规划任务的管径是通过任务驱动的方式先生成一个粗略的路径然后利用轨迹优化技术对其进行精炼以获得最终结果
首先区分路径规划和轨迹规划的区别
- 路径规划通常不包括机器人的运动学和动力学约束条件；而轨迹规划则需要同时满足这两者的要求。
- 路径规划仅关注空间上的路径设计，并不受时间参数的影响；而轨迹规划则是时空域内的综合优化。
那么后端优化考虑了运动学和动力学，为什么在前端路径查找还要考虑？
该过程采用层次化策略进行细节刻画，在前端施加特定限制条件时后端系统的压力反而得到缓解。
通常在预设区域内反复优化轨迹，在局部区域内的优化仅能产生有限效果。
若该同伦路径的动力学特性无法满足要求，则这样的优化将失去实际价值。
3.example
这是经典的单轮车模型和两轮差速转向模型
该种二自由度模型在自动驾驶领域应用广泛；基于不同的运动学约束条件进行分类。
如果只能匀速倒车或前进，车辆轨迹形成Reeds-Sheep曲线
如果只能匀速前进，车辆轨迹形成Dubins曲线
自动驾驶轨迹规划之最优控制
自动驾驶轨迹规划之最优控制
自动驾驶轨迹规划之dubins曲线与reeds-shepp曲线
自动驾驶轨迹规划之dubins曲线与reeds-shepp曲线
自动驾驶轨迹规划中的dubins与reeds_shepp曲线研究
全部评论 (0)
还没有任何评论哟~