自动驾驶高速路上的路径规划算法(共7页).docx

精选优质文档-----倾情为你奉上
精选优质文档-----倾情为你奉上
专心---专注---专业
专心---专注---专业
精选优质文档-----倾情为你奉上
专心---专注---专业
如何安全有效的规划行驶路线，是自动驾驶汽车务是预测冲突。
· 行为层：该层的主要作用是协调。根据底层的输入信息来决定如何调整行车轨迹
· 轨迹层：负责计算既定条件（速度、距离、车道、jerk等等）下的行车轨迹
生成行车轨迹的方法很多，这里我们采用了Frenet Coordiante System方法。

我们在模拟器中为车辆设置了一系列传感器，它们的输出融合在一起以产生更精确的测量结果。大多数在Level4上的自动驾驶汽车公司在他们的传感器套件中使用雷达、激光雷达和照相机。拥有多种不同类型的传感器至关重要，因为每种传感器都有各自的优缺点。此外，对于同种传感器进行冗余设计，可以减轻传感器故障带来的影响。
在本算法中，模拟器可以提供以下传感器融合功能：
· 车辆的位置、速度和方向
· 其他车辆的位置和速度
· 上次提交的车辆行驶轨迹
通过以上信息，我们可以计算车辆与其他车辆的准确距离，并通过行车轨迹来预测与其他车辆的碰撞可能性。
精选优质文档-----倾情为你奉上
精选优质文档-----倾情为你奉上
专心---专注---专业
专心---专注---专业
精选优质文档-----倾情为你奉上
专心---专注---专业
下面我们详细介绍轨迹生成器（Trajectory Generation）。

通常，我们习惯使用笛卡尔坐标系来定义空间点的位置。但在现实中，道路往往不是“笔直”的，因此对于人类非常简单的操作（如判断车辆在哪条车道），在电脑的笛卡尔坐标系中，往往是难以准确定义的。下图展示了我们使用笛卡尔坐标系时所面临的问题：
笛卡尔坐标系中的曲线车道
设想一下，如果我们采用的坐标系可以反映道路的曲率，那么在新的坐标系下车辆向前行驶并保持在车道内的轨迹就会变成一条直线，这会大大简化路径规划的难度。而Frenet坐标系正可以实现我们的设想。
精选优质文档-----倾情为你奉上
精选优质文档-----倾情为你奉上
专心---专注---专业
专心---专注---专业
精选优质文档-----倾情为你奉上
专心---专注---专业
不同坐标系下的行车轨迹：Frenet（左）vs 笛卡尔坐标系（右）
在Frenet坐标系中，可以平面上的点的位置可以由纵轴和横轴定位分别记为S和D 。其背后的数学原理非常复杂，在此我们不进行累述。你可以认为穿过道路中心的曲线决定了S轴，并指出了车辆在路上走了多远；D轴则映射为车辆的侧向位移。下图显示了弯曲道路在Frenet坐标系上的样子：

我们假设车道已经被预先映射，并且提供了沿着中黄线的路径点，这条中黄线分隔了公路的两边。这有助于我们确定我们在最近的路径点上的位置。
由于我们所设置的路径点非常稀疏，当我们试图将Frenet转换回真实世界坐标时，会产生带折角的轨迹。这反过来又会导致车辆突然的加速和颠簸。由于函数toRealWorld(