Apollo决策规划算法学习Chapter3 速度规划算法

这篇具有很好参考价值的文章主要介绍了Apollo决策规划算法学习Chapter3 速度规划算法。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。

Apollo决策规划算法学习系列目录

第一章 Apollo决策规划算法基本概念
第二章 Apollo决策规划之路径规划算法
第三章 Apollo决策规划之速度规划算法



前言

本文为第三章,主要讲解 Apollo决策规划算法中的速度规划算法,EM planner的速度规划算法同样是是通过动态规划和二次规划实现的,下面来细讲速度规划算法。


一、ST图与迭代优化

1.1 ST图

1)回顾上一讲说过的路径规划算法,生成参考线后建立Frenet坐标系,把障碍物投影到Frenet坐标系中,动态规划(路径决策)、二次规划求出规划的路径,把Frenet坐标系转换为笛卡尔坐标系,现在我们就已经有了笛卡尔坐标系下的规划的路径了;
2)接下来进行速度规划,将笛卡尔坐标系的路径为坐标轴,建立Frenet坐标系,将动态障碍物投影到Frenet坐标系下,生成ST图,接下来就是动态规划算法进行速度决策,是减速避让动态障碍物还是加速超过它,然后二次规划算法规划出一条可行的带有速度信息的路径,下面用图解的方式看一看ST图怎么得到的;

apollo速度规划,算法,学习

1.2 SL图与ST图迭代优化

1)来看SL图与ST图如何迭代优化,首先是利用上一帧规划的轨迹加上预测的障碍物的轨迹,上一帧规划的轨迹也就是SL图,利用SL图与预测的障碍物轨迹在ST图中得到障碍物的位置,然后在没有和它碰撞的地方规划出一条带有速度的路径避免与障碍物相撞,到下一个周期再利用这一帧的轨迹与预测在ST图中得到障碍物的位置,再进行速度规划,如此反复迭代;下面是图解的方式;
apollo速度规划,算法,学习
apollo速度规划,算法,学习
apollo速度规划,算法,学习
总结来说就是当前帧SL图->当前帧ST图->改变当前帧的速度规划->当前帧的轨迹改变->下一帧用当前的轨迹+下一帧的预测->下一帧SL图->下一帧ST图->改变下一帧的速度规划->下一帧的轨迹改变

apollo速度规划,算法,学习

1.3 ST图与SL图迭代优化改进

1)上面说了ST图与SL图迭代优化,其中说到了下一帧预测障碍物的位置,但这都是以匀速运动模型或者匀加速运动模型来预测的,真实情况往往比较复杂,预测也不准确, 在Apollo1.5中EM planner引入了SL、ST解耦规划,先决策后规划,但是在Apollo3.5中,大幅修改了EM planner变成了Publicroad planner,最重要的是取消了SL、ST图的迭代机制,SL图只管静态障碍物,ST图只管动态障碍物,下面说一说SL图与ST图迭代机制的缺点以及为什么取消迭代机制
2)主要原因是减轻ST图对SL图的干扰,因为车辆的纵向变化能力高于横向变化能力,导致障碍物车的速度变化剧烈程度远高于路径,预测不准确,预测不准确 导致ST图剧烈变化,速度规划的结果就剧烈变化,ST图就会影响SL图,导致SL规划不稳定,朝令夕改;但是有两种场景ST与需要影响SL图:
一种是当前车道前方有很慢的车辆而且自身车辆速度较大,这时候就必须借道绕行;另一种情况是当前车道对向行驶来的车辆,也必须借道绕行;
apollo速度规划,算法,学习
apollo速度规划,算法,学习

二、速度规划算法实践详解

apollo速度规划,算法,学习
apollo速度规划,算法,学习
apollo速度规划,算法,学习
apollo速度规划,算法,学习
apollo速度规划,算法,学习
apollo速度规划,算法,学习
apollo速度规划,算法,学习
apollo速度规划,算法,学习
apollo速度规划,算法,学习
apollo速度规划,算法,学习


总结

以上就是今天要讲的内容,本文介绍了Apollo决策规划算法中的速度规划算法,速度规划算法同样是通过动态规划和二次规划实现的。文章来源地址https://www.toymoban.com/news/detail-671372.html

到了这里,关于Apollo决策规划算法学习Chapter3 速度规划算法的文章就介绍完了。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

  • Apollo规划模块代码学习(1): 算法架构原理、运行机制一文详解

    Apollo开源自动驾驶平台中,高清地图模块提供了每个在线模块都可以访问的高清地图。感知和定位模块提供了必要的动态环境信息,可以在预测模块中进一步用于预测未来的环境状态。运动规划模块考虑所有信息,以生成安全平滑的轨迹,并将其输入车辆控制模块。 目前Ap

    2024年01月25日
    浏览(46)
  • Apollo自动驾驶planning纵向速度规划之DP详解

    纵向DP主要实现在GriddedPathTimeGraph类里 modulesplanningtasksoptimizerspath_time_heuristicgridded_path_time_graph.cc Apollo planning纵向DP即用动态规划的算法在ST图的可行域内求解出一个粗糙的速度规划,作为下一步QP平滑的基础。

    2024年02月15日
    浏览(43)
  • 无人驾驶 自动驾驶汽车 环境感知 精准定位 决策与规划 控制与执行 高精地图与车联网V2X 深度神经网络学习 深度强化学习 Apollo

    百度apollo课程 1-5 百度apollo课程 6-8 七月在线 无人驾驶系列知识入门到提高 当今,自动驾驶技术已经成为整个汽车产业的最新发展方向。应用自动驾驶技术可以全面提升汽车驾驶的安全性、舒适性,满足更高层次的市场需求等。自动驾驶技术得益于人工智能技术的应用及推广

    2024年04月27日
    浏览(43)
  • Apollo 轨迹规划算法解析

    这篇文章主要整理一下前段时间学习的轨迹规划算法,关于轨迹规划问题可以查到的相关资料很多,但能把轨迹规划问题详细说清楚的并不太多,这导致我在学习过程中出现很多疑惑。这里我把Apollo的各个版本轨迹规划算法进行简单总结和汇总。 主要参考资料: 1.b站大佬详

    2023年04月21日
    浏览(32)
  • 自动驾驶路径规划控制ros移植Apollo和autoware规控算法可跑工程(适合入门学习和实战)

    自动驾驶路径规划控制ros1和ros2移植Apollo和autoware规控算法可跑工程(适合入门学习,科研和实战),不仅包括移植Apollo和autoware规划算法,还包括其他规划算法,与carla联合仿真实现规划控制,autoware-carla联合仿真,Lanelet高精度地图构建,强化学习等等,基本涵盖了公司算法

    2024年02月10日
    浏览(47)
  • 自动驾驶路径规划控制ros移植Apollo和autoware规控算法可跑工程(适合入门学习,科研和实战)

    自动驾驶路径规划控制ros1和ros2移植Apollo和autoware规控算法可跑工程(适合入门学习,科研和实战),不仅包括移植Apollo和autoware规划算法,还包括其他规划算法,与carla联合仿真实现规划控制,autoware-carla联合仿真,Lanelet高精度地图构建,强化学习等等,基本涵盖了公司算法

    2024年02月08日
    浏览(50)
  • Apollo Planning学习(2)-------路径规划

    本次学习的Apollo版本为6.0版本,因为从5.0开始轨迹规划算法主要使用的就是public road,所以本次主要学习该算法,该算法的核心思想是PV解耦,即Path-Velocity的解耦,其主要包含两个过程:1.路径规划,2.速度规划。 路径规划其实已经发展很多年,从早期的机器人到现在的无人驾

    2024年02月09日
    浏览(45)
  • 百度Apollo规划算法——OBB障碍物检测代码解析

    本文主要分析Apollo代码中函数 bool Box::HasOverlap(const Box2d box) const {} 的数学原理。 在阅读此部分代码时,第一遍没看懂return的一堆什么意思,百度之后说是采用OBB原理,所以就去了解下OBB原理,回来看还是没太明白,直到看到了博客[1],通过博主的图解才有了进一步的了解,但

    2024年02月14日
    浏览(39)
  • Apollo和autoware规划算法代码ros移植-路径规划可跑工程分享

    之前出了: Apollo规划代码ros移植-Lattcie的二次规划. Apollo规划代码ros移植-Lattice规划框架. 规划代码ros移植-POMDP预测规划(一). Apollo规划代码ros移植-Em planner. Apollo规划代码ros移植-混合A*. Apollo规划代码ros移植-动态障碍物处理(一). 适合人群: 1.想移植Apollo,autoware等流行规划算法到

    2024年02月12日
    浏览(47)
  • Apollo lattice与EM planner的区别,两种规划算法的区别与联系

    Apollo lattice与EM planner的区别 lattice优点在于:同时生成了符合车辆动力学的路径与速度曲线,不用去进一步平滑处理;且参数较少,计算消耗低;由于轨迹形状固定,比较适合高速或者快速路等简单场景,对于城区复杂道路,EM还是更擅长一些。细节可参考如下链接: Apollo

    2024年02月11日
    浏览(43)

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