专注于道路自主驾驶的轨迹规划

参考

Focused Trajectory Planning for Autonomous On-Road Driving

和百度apollo EM规划类似
自动驾驶汽车的道路运动规划通常是一个具有挑战性的问题。 过去的努力已提出单独的城市和公路环境解决方案。 我们确定先前解决方案的关键优势/缺点，以及提出了一种新颖的两步运动规划系统
城市和高速公路在单一框架内驾驶。 参考轨迹规划（I）利用密集格子采样和优化技术，以生成易于调整和考虑道路几何形状的人类参考轨迹，障碍和高级指令。 通过聚焦采样参考轨迹，跟踪轨迹规划（II）生成，评估和选择参数轨迹进一步满足执行的动力学约束。所描述的方法保留了大部分性能优势一个详尽的时空规划师减少计算.
相关研究
路径生成方案是运动规划的基础。 弧线[1]，贝塞尔曲线[2]，B样条[3]和五次曲线splines [4]已经被提出作为路径原始类型。然而，[1] [2]中曲率不连续的缺点[3] [4]中缺乏直观的参数化使它们成为现实
对乘用车规划不太有吸引力。[5]和[6]提出了一种实时路径规划算法
使用高阶多项式进行平滑的车道变换方程。 他们找到了一个二阶的封闭式解决方案路径连续性，但难以生成路径在城市交通情况下避免多重障碍。
[7]提出使用多项式曲率螺旋，它具有直观的参数化和优点计算效率。 该方法进一步适应[8]中的公路规划。

我们提出了一个两步规划架构。 Reference Trajectory Planner（I）使用多个优化生成非参数人类参考轨迹的技术，考虑道路几何，障碍和障碍高级指令。 跟踪轨迹规划器（II）进行重点时空采样和评估。
通过使用参数轨迹，它保证了分析连续性。 选择并使用一个最佳轨迹执行。 与[13]一样，我们认为在我们的计划中有一个更高级别的推理模块（行为模块）是有效的系统。 两步规划应产生轨迹这反映了高级指令。 图2显示了我们提出的运动规划系统。

图片.png
参考轨迹规划
参考轨迹规划生成非参数针对道路几何，障碍物和更高级别运动指令优化的轨迹。应用了多种优化技术。 缺乏轨迹质量的绝对标准使其难以实现设计最优标准。 但是，用户偏好给出了良好的主观标准。 因此，制定是很重要的优化的方式是生成类似人类的轨迹，并允许轻松调整以反映个人偏好。
1.道路边缘检测与撒点路径生成
图片.png
图片.png
图片.png
动态规划
2.非参数路径优化
图片.png
图片.png
3.非参数速度规则
图片.png
图片.png
4.轨迹最优生成
图片.png

跟踪轨迹产生
参数轨迹生成的细节，聚焦时空采样和评估。
1.参数化轨迹生成

图片.png
2.参数化速度生成
图片.png
3.轨迹离散和评估
图片.png
使用路径/速度生成方案如上所述，参考轨迹用于进行重点时空采样。 有三个因素决定采样过程：前瞻视野，路径端点和速度终点。
评估
首先检查采样轨迹明确地检查静态和障碍保证安全。 然后进行评估，测量两者候选轨迹的空间和时间接近度参考。 成本最低的轨迹是选中：其中Cspatial是累积的横向距离偏移量尊重参考路径，而Ctemporal是累积的相对于参考轨迹的时间偏移。该权重wspatial和wtemporal可以调整给予空间和时间亲密度的相对重要性。
图片.png