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
这样的一个规划问题是受限于运动学约束:如避障、高阶微分模型。受限于动力学约束:如状态量控制量有界
2. old-school pipline
做轨迹规划的old-school pipline是由任务驱动先生成一个粗糙的路径再利用轨迹优化得到最终结果
首先区分路径规划和轨迹规划的区别
- 路径规划一般未考虑了机器人的运动学、动力学约束,而轨迹规划两者都要考虑
- 路径规划是对空间的规划,与时间参数无关,而轨迹规划是时空联合
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?
- 这是一个coarse-to-fine的过程,如果前端考虑一定约束,后端优化的压力就小
- 并且轨迹优化往往在给定信赖域中迭代进行,优化仅在局部区域,已经无法改变同伦
- 如果该同伦路径运动学和动力学上不可行,优化也没有意义
3.example
这是经典的单轮车模型和两轮差速转向模型
这是自动驾驶中最常用的车辆二自由度模型,同时根据运动学约束有几种分类
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
不清楚的读者请参考【自动驾驶轨迹规划之最优控制】_最优控制理论路径规划-CSDN博客文章来源:https://www.toymoban.com/news/detail-826117.html
【自动驾驶轨迹规划之dubins曲线与reeds-shepp曲线】_reeds-shepp和dubins曲线简介-CSDN博客文章来源地址https://www.toymoban.com/news/detail-826117.html
到了这里,关于自动驾驶轨迹规划之kinodynamic planning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!