自动泊车场景介绍

1、概述

传统泊车系统的轨迹规划主要由直线、圆弧和曲线三个要素组成。通过将这三个要素进行拼接，组成形式多样的行车轨迹。
常见的车位类型为平行车位、垂直车位和斜向车位。其中垂直车位可以理解为特殊的斜向车位，斜向角度为90°斜向车位即为垂直车位。
下面基于嵌入式平台的半实物仿真结果，说明常见的几种泊车轨迹的规划方式。

2、平行泊车

2.1、库位长度满足一次性入库的情形

如下图所示，因为库位足够长，所以可以直接规划一次性曲线，实现车辆一次性入库。

2.2、库位长度不满足一次性入库的情形

如下图所示，因为车位长度不满足一次性入库条件，所以在规划时需先进行反向尝试，使车辆满足泊出条件，然后再进行一次曲线规划。

3.垂直泊车

3.1车辆离车位足够远的情形

如下图所示，当车辆离车库足够远时，可规划一个圆弧使车辆一次入库。

3.2车辆离车位近且位置靠前的特殊情形

如下图所示，当车辆离车库较近时，一段圆弧已无法规划入库轨迹。此图描绘的是当车辆位置比较靠前时，可以通过两端圆弧实现倒车入库轨迹。当然这个方式的缺点也很明显，需要向前移动太多距离。

3.3 车辆离车库近的一般情形

如下图所示，当车辆离库位较近时，车辆停止位置也离库位入口比较近，此时可以进行多次尝试入库。通过规划两个相切圆的方式，使车辆逐步移入库内。

3.4 车辆离车库近的多次尝试情形

如下图所示，当车辆位置离库位太近时，此时需要进行多次尝试，才能使车辆成功入库。尝试次数，由车辆离库位的距离、库位长度和边角余量决定。

4 说明

关于上述泊车算法,近期准备整开源出来,有兴趣的同学欢迎点赞.

• 如果点赞超过100,上述核心算法的代码将开源(坑位1).

感谢大家的支持和点赞，相关软件分享如下:

1. APA_QT：基于QT平台的算法验证
2. ROS_RRT: 基于ROS平台的算法验证

• 上述用到的上位机软件,开源路径如下:APA_DebugAssistant,可供大家学习和交流,如果喜欢记得Star一下哦
• 本文所参考的论文路径如下:PaperSets
• 后续我继续更新相关规划和控制相关内容(坑位2),大家的鼓励是我坚持更新的动力哈

1. 横向控制算法分析文章
2. 横向控制文章集合
3. Python仿真代码: 基于control工具库
4. 动力学仿真: 基于WeBots软件

如果项目对您有帮助，麻烦在Github上点击Star，您支持是我坚持更新的动力。

最近很多小伙伴在后台提问关于软件如何使用的问题，我这里简单说明一下：

1. 博文中的图片是使用APA_DebugAssistant软件截图的，该软件只是PC端的上位机，用于显示泊车路径，不包含规划控制算法部分，但有一些超声波的处理算法。当时具体的规划控制算法在嵌入式端，目前嵌入式代码未开源。
2. APA_QT项目包含完整的规划控制算法，并且可以独立运行，所以想研究算法的小伙伴请关注这个项目。
3. ROS_RRT项目是二代规划算法的探索，但并不表示可以实际项目使用，目前主流的可能还是用A* 加 RS曲线的方式去做路径搜索。
4. 横向控制算法重点关注后轴反馈算法，实际使用效果很好。
5. 由于本人目前已离开这个行业，所以这方面的更新频率会比较低，感谢小伙伴们对我的点赞和鼓励，我会尽量抽出时间，回答大家的问题，整出点干货。

最后

以上就是光亮方盒为你收集整理的自动泊车轨迹规划场景介绍自动泊车场景介绍的全部内容，希望文章能够帮你解决自动泊车轨迹规划场景介绍自动泊车场景介绍所遇到的程序开发问题。

如果觉得靠谱客网站的内容还不错，欢迎将靠谱客网站推荐给程序员好友。