很强大的网站运营方案1,沉默是金什么意思,深圳设计公司排名深圳市广告公司,网页报价表自动驾驶规划方法综述 附赠自动驾驶学习资料和量产经验#xff1a;链接
最近看到一篇非常好的关于自动驾驶规划方法的综述#xff08;A Review of Motion Planning Techniques for Automated Vehicles#xff09;#xff0c;写的非常好#xff0c;总结了近几十年来总动驾…自动驾驶规划方法综述 附赠自动驾驶学习资料和量产经验链接
最近看到一篇非常好的关于自动驾驶规划方法的综述A Review of Motion Planning Techniques for Automated Vehicles写的非常好总结了近几十年来总动驾驶规划的发展之路引用了许多经典的文章。觉得可能对做规划的小伙伴会有帮助所以分享出来。
这篇文章的一个观点非常好他把自动驾驶的运动规划分成四大类graph search 图搜索采样插值和数值优化。下面展开论述。
A. Graph search based planners 这种方法把状态空间表达成网格或者lattice的形式然后在这些状态里面找到一个可达的path。这类方法主要有A* D* Dijkstra algorithm 算法。值得一提的还有state lattice算法虽然这个图看起来和Apollo里面的lattice不一样但是这个是爸爸在这篇文章[1]里面提出了时空lattice这个也就是后来Apollo算法里面用的。 B. Sampling based planners
这个主要介绍了RRT算法嗯非常经典好用如果有感兴趣的可以单独开讲。
C. Interpolating Curve Planners
_这里介绍了几种曲线生成的方法主要有羊角螺旋线_Clothoid Curves多项式曲线Polynomial Curves 贝塞尔曲线Be ́zier Curves
分别介绍了这几类样条曲线在路径规划的优化过程中作用。
clothoid curves 是个比较神奇的曲线天生适合车辆规划因为它的曲率是线性变化的又因为车辆运行轨迹的曲率和方向盘基本上成正比也就是说这种线型出来的结果方向盘会非常顺滑。
贝塞尔曲线 计算简单 速度快。
多项式拟合也是一个比较好的方法。
D. Numerical Optimization:
数值优化的方法讲的比较粗略基本上只是讲了下势能场法的应用。
在这一段的结束作者给出了一个大的表格比较不同方法的优劣感觉这个比较强大不是大佬很难总结的如此精辟。 各种规划算法的优劣对比
下面这幅图作者阐述了不同项目/公司的motion planning的技术方案从下面这个图可以看出来各家公司很少会依赖单一的规划方法进行规划而是根据使用场景结合两个甚至更多种的规划方法来进行规划。比如斯坦福大学和合作机构采用了A*算法基于优化的算法甚至用羊角螺旋线进行插值。 大多数企业采用了基于样条曲线羊角螺旋线的方法主要是考虑可以获取细致的道路信息。采用search 方法的主要原因是这样的速度快在复杂场景下而且可以搜索到比较好的曲线。目前规划存在的挑战在于实时性由于越来越多的障碍物感知留给规划的时间窗口越来越小。下一步的motion planning的研究应该考虑感知的不确定性以及控制的约束。这样会更加安全舒适。
[1] Spatiotemporal state lattices for fast trajectory planning in dynamic on-road driving scenarios
