自动驾驶路径规划——路径规划入门须知

这篇具有很好参考价值的文章主要介绍了自动驾驶路径规划——路径规划入门须知。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

目录

前言

 1.无人驾驶关键技术

 2.路径规划基本概念与分类

2.1 路径规划基本概念

2.1.1 路径规划需要解决的问题 

2.1.2 路径规划——现在的研究 

2.2路径规划的分类

2.3路径规划的流程

3.行为决策 

声明


前言

       这个学期学校开设了相应的课程,同时也在学习古月居机器人学系列的《基于栅格地图的机器人路径规划指南》,为了巩固知识,方便自己的学习与整理,遂以学习笔记的形式记录。


 1.无人驾驶关键技术

 1.环境感知:激光雷达(Lidar)、雷达(Radar)、超声波、视觉相机、惯导(IMU)等
 2.高精度地图(HD Map):周围环境及地形的高精度建模(10cm左右的精度)
 3.控制规划及决策:对汽车进行智能控制

自动驾驶路径规划——路径规划入门须知

       基于环境感知——自主决策及路径规划——车辆控制的模型框架,可以实现多行车目标下的车辆精确控制。

自动驾驶路径规划——路径规划入门须知

 2.路径规划基本概念与分类

       路径规划(Path Planning) 是指在具有障碍物的环境中,按照一定的评价标准,比如路径长度最短能量消耗最少原则等,寻找一条从起始状态到目标状态的无碰撞路径。  

自动驾驶路径规划——路径规划入门须知

        在现实生活中,驾驶员在驾驶车辆时,往往遵循以下步骤:

  • 凭借自身经验或者导航地图,确定一个大致的方向(类似于全局路径规划)
  • 根据周身环境,例如行人、车辆等需要避障的物体,进行判断与决策(类似于局部路径规划)
  • 控制车辆进行运动

       对于自动驾驶汽车而言,其过程也大致类似。首先是环境感知,主要是依托高精地图(HD Map)等确立相应的起始点和出发点,进行全局路径规划;之后再依据Lidar、Radar等感知硬件,进行局部路径规划,对周身环境作出动态反应;最后对车辆进行控制。

2.1 路径规划基本概念

完备性:是指如果在起始点和目标点间有路径解存在,那么一定可以得到解,如果得不到解那么一定说明没有解存在;

概率完备性:是指如果在起始点和目标点间有路径解存在,只要规划或搜索的时间足够长,就一定能确保找到一条路径解;

最优性:是指规划得到的路径在某个评价指标上是最优的(评价指标一般为路径的长度);  

渐进最优性:是指经过有限次规划迭代后得到的路径是接近最优的次优路径,且每次迭代后都与最优路径更加接近,是一个逐渐收敛的过程。

2.1.1 路径规划需要解决的问题 

1.始于起始点止于终点

2.避障

3.尽可能优化的路径

2.1.2 路径规划——现在的研究 

  •  轨迹优化:样条插值,多项式插值等平滑方法
  •  未知环境下的路径规划
  •  动态环境下的路径规划
  •  三维路径规划

 按照各种算法发现先后时序及算法基本原理,将路径规划算法大致分为四类

传统算法:模拟退火算法、人工势场法、模糊逻辑算法、禁忌搜索算法等
图形学的方法:C空间法、栅格法、自由空间法、voronoi图法等。
智能仿生学算法:蚁群算法、神经网络算法、粒子群算法、遗传算法等。
其他算法

       传统算法在解决实际问题时往往存在着建模难的问题,图形学的方法则提供了建模的基本方法,但是图形学的方法普遍存在着搜索能力的不足往往需要结合专门的搜索算法。处理复杂动态环境信息情况下的路径规划问题时,来自于自然界的启示往往能起到很好的作用。人们通过仿生学研究得到智能仿生学算法。

2.2路径规划的分类

根据对环境信息的把握程度分

  • 基于先验完全信息的全局路径规划
  • 基于传感器信息的局部路径规划

从获取障碍物信息是静态或是动态的角度分

  • 全局路径规划属于静态规划(又称离线规划)
  • 局部路径规划属于动态规划(又称在线规划)

根据所研究环境的信息特点分

  • 离散域范围内的路径规划问题
  • 连续域范围内的路径规划问题

自动驾驶路径规划——路径规划入门须知

 2.3路径规划的流程

 路径规划、环境信息与环境建模的关系

自动驾驶路径规划——路径规划入门须知

  • 环境建模:建立一个便于计算机进行路径规划所使用的环境模型,即将实际的物理空间抽象成算法能够处理的抽象空间,实现相互间的映射
  • 路径搜索:路径搜索阶段是在环境模型的基础上应用相应算法寻找一条行走路径,使预定的性能函数获得最优值。
  • 路径平滑:通过相应算法搜索出的路径并不一定是一条运动体可以行走的可行路径,需要作进一步处理与平滑才能使其成为一条实际可行的路径。

3.行为决策 

        对于驾驶员在驾驶车辆的过程中的功能分解,最早可以追溯到 John A.  Michon 于 1985 年 提 出 的 驾 驶 员 行 为 模 型 三 层 架 构:战略层( Strategic/Planning  Level )、战术层( Tactical/Maneuvering  Level )和操作层(Operational/Control Level)。从战略层到战术层再到操作层,执行所要求的时间越来越短。具体解释见自动驾驶决策——决策基本概念_yuan〇的博客-CSDN博客_自动驾驶行为决策

自动驾驶路径规划——路径规划入门须知

       智能汽车当前采用的决策系统通常包含两种方法,分别为基于机理的决策控制系统基于人工智能(端到端)的决策控制系统

自动驾驶路径规划——路径规划入门须知

  • 基于机理的决策控制模型将智能汽车的决策过程分为几个不同的部分,并对每个部分根据机理建模,实现智能汽车的决策和控制。
  • 基于人工智能的算法,特别是端到端的方法,采用一个多层神经网络进行决策控制,实现从传感输入到通过神经网络直接控制输出。

       Waymo/Google 针对无人驾驶决策控制提出了 ChauffeurNet 模型,区别于“端到端”模型,Waymo 的神经网络模型输出为汽车预期的轨迹,之后通过控制模块对其进行跟踪。Waymo 为保证无人驾驶汽车能够处理复杂的交通场景,创造了一些例如发生碰撞、驶出道路等事故场景供模型学习。

自动驾驶路径规划——路径规划入门须知


  • 声明

           本人所有文章仅作为自己的学习记录,若有侵权,联系立删。文章来源地址https://www.toymoban.com/news/detail-404979.html

到了这里,关于自动驾驶路径规划——路径规划入门须知的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • 自动驾驶路径规划——基于概率采样的路径规划算法(RRT、RRT*)

        在上一讲中,我们学习了 基于概率采样的路径规划算法——PRM算法,这一讲我们继续学习基于概率采样的路径规划算法——RRT、RRT*。     快速探索随机树(RRT)由Steven M. LaValle和James J. Kuffner Jr开发, 是对状态空间中的采样点进行碰撞检测,避免了对空间的建模

    2024年02月07日
    浏览(50)
  • 自动驾驶路径规划——A*(Astar)算法

         最佳优先搜索(BFS) ,又称A算法,是一种启发式搜索算法(Heuristic Algorithm)。[不是广度优先搜索算法( Breadth First Search , BFS )]     BFS算法在广度优先搜索的基础上, 用启发估价函数对将要被遍历到的点进行估价 ,然后选择代价小的进行遍历,直到找到目标节点

    2024年02月01日
    浏览(51)
  • 自动驾驶——【规划】记忆泊车特殊学习路径拟合

    1.Back ground 如上图,SLAM学习路线Start到End路径,其中曲线SDAB为D档位学习路径,曲线BC为R学习路径,曲线AE为前进档D档学习路径。 为了使其使用记忆泊车时,其驾驶员体验感好,需去除R档倒车部分轨迹,并拟合一条可用的曲线 2.Algorithm Introduction D点作为起点,D(XD,YD,theta_D)

    2024年02月10日
    浏览(47)
  • 自动驾驶路径规划——基于MATLAB的栅格地图

    目录 前言 1.什么是栅格地图?  1.1栅格地图用于路径规划的优势: 2.MATLAB栅格地图的绘制  MATLAB代码  声明        这个学期学校开设了相应的课程,同时也在学习古月居机器人学系列的《基于栅格地图的机器人路径规划指南》,为了巩固知识,方便自己的学习与整理,遂以

    2024年02月04日
    浏览(83)
  • 自动驾驶算法(三):RRT算法讲解与代码实现(基于采样的路径规划)

    目录 1 RRT算法原理 2 RRT算法代码解析 3 RRT完整代码         RRT算法的全称是快速扩展随机树算法(Rapidly Exploring Random Tree),它的想法就是从根结点长出一棵树当树枝长到终点的时候这样就能找到从终点到根节点的唯一路径。         算法流程:         首先进行初始化

    2024年02月06日
    浏览(53)
  • 【OpenAI】Python:基于 Gym-CarRacing 的自动驾驶项目(3) | 路径训练功能的实现 | 规划与决策 | 路径平滑 | 利用公式进行目标速度预测

         猛戳订阅!  👉 《一起玩蛇》🐍 💭 写在前面:  本篇是关于多伦多大学自动驾驶专业项目的博客。GYM-Box2D CarRacing 是一种在 OpenAI Gym 平台上开发和比较强化学习算法的模拟环境。它是流行的 Box2D 物理引擎的一个版本,经过修改以支持模拟汽车在赛道上行驶的物理过

    2024年02月06日
    浏览(51)
  • 【OpenAI】Python:(3) 基于 Gym-CarRacing 的自动驾驶项目 | 路径训练功能的实现 | 规划与决策 | 路径平滑 | 利用公式进行目标速度预测

         猛戳订阅!  👉 《一起玩蛇》🐍 💭 写在前面:  本篇是关于多伦多大学自动驾驶专业项目的博客。GYM-Box2D CarRacing 是一种在 OpenAI Gym 平台上开发和比较强化学习算法的模拟环境。它是流行的 Box2D 物理引擎的一个版本,经过修改以支持模拟汽车在赛道上行驶的物理过

    2024年02月22日
    浏览(55)
  • 自动驾驶预测-决策-规划-控制学习(5):图像分割与语义分割入门

    提示:文章写完后,目录可以自动生成,如何生成可参考右边的帮助文档 对于图像的分析,传统的检测任务,比如这幅图的人,用标注框来表示。 而图像分割,则是针对每一个像素都可以被认定为不同的语义信息,比如这里红色区域的像素点属于人,蓝色属于天空,浅绿色

    2024年01月18日
    浏览(47)
  • 《Git入门实践教程》前言+目录

    版本控制系统(VCS)在项目开发中异常重要,但和在校大学生的交流中知道,这个重要方向并未受到重视。具备这一技能,既是项目开发能力的体现,也可为各种面试加码。在学习体验后知道,Git多样化平台、多种操作方式、丰富的资源为业内人士提供了方便的同时,也造成

    2024年02月10日
    浏览(72)
  • stm32路径规划无人驾驶避障智能车

    硬件准备 能搭载ROS系统与SLAM系统的STM32开发板 ROS(Robot Operating System)是一种面向机器人应用程序的开源软件开发框架。它提供了一套丰富的库和工具,使得开发者能够更加便捷地开发机器人的软件部分。ROS的主要目的是提供一种灵活且可扩展的方式来构建机器人系统,包

    2024年01月16日
    浏览(36)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包