自动驾驶车辆的各种规划

路线规划：也称为全局路径规划，涉及较广的时域和空域
运动规划（轨迹规划）：路径和速度解耦：局部路径规划和速度规划
横向与纵向解耦：横向规划和纵向规划

曲线差值法

曲线差值的方法是按照车辆在某些特定条件（安全、快速、高效）下，进行路径的曲线拟合，常见的有多项式曲线，双圆弧段曲线、正弦函数曲线、贝塞尔曲线、B样条曲线等。
算法思想：
曲线差值法的核心思想就是基于预先构造的曲线类型，根据车辆期望达到的状态（比如要求车辆到达某点的速度和加速度为期望值），将此期望值作为边界条件代入曲线类型进行方程求解，获得曲线的相关系数。
曲线所有的相关系数一旦确定，轨迹规划随之完成。
多项式权限分为三次多项式曲线、五次多项式曲线、七次多项式曲线。
多项式曲线一般而言都是奇数，这是由于边界条件引起的。边界条件一般包括两个点的车辆状态，如换道轨迹的起点和终点，因此2倍的车辆状态导致有唯一解的方程系数为偶数。故偶数个系数的多项式也就是奇数多项式。
三次多项式：最多确定每一个期望点的两个维度的期望状态：位置和速度。
五次：位置、速度和加速度
其次：位置、速度、加速度和加加速度（冲击度，jerk）
故根据自身轨迹规划的需求，合理选择对应的多项式曲线。

多项式曲线的自变量是时间，曲线上的每一点的导数代表了多项式在该点的速度。这表明多项式曲线轨迹规划是路径+速度的耦合结果。
五次多项式换道轨迹曲线特指横向位置/纵向位置是关于时间t的五次多项式，而不是指纵向位置y关于横向位置x的五次多项式。

双圆弧段换道轨迹，存在一个点的速度为0让方向盘回正后才能继续行驶，因此无法应用于行车路径规划，而应用于泊车路径规划。

人工势场法

算法思想：
人工势场法的基本思想是在障碍物周围构建障碍物斥力势场，在目标点周围构建引力势场，类似于物理学中的电磁场。
被控对象在这两种势场组成的复合长中受到斥力作用和引力作用，斥力和引力的合力指引着被控对象的运动，搜索无碰的避障路径。
更直观而言，势场法是将障碍物比作是平原上具有高势能值的山峰，而目标点则是具有低势能值的低谷。
引力势场：主要与汽车和目标点间的距离有关，距离越大，汽车所受势能值就越大；距离越小，汽车所受势能值就越小。
决定障碍无斥力势场的因素是汽车与障碍物间的距离，当汽车未进入障碍物的影响范围时，其受到的势能值为0；在汽车进入障碍物的影响范围后，两者之间的距离越来越大，汽车受到的势能值就越小，距离就越小，汽车受到的势能值就越大。

算法缺陷和改进：
目标不可达问题。由于障碍物与目标点距离太近，当汽车到达目标点时，根据势场函数可知，目标点的引力降为零，而障碍物的斥力不为零，此时汽车虽然到达目标点，但在斥力的作用下不能停下来，从而导致目标不可达问题。
陷入局部最优的问题。车辆在某个位置时，如果若干个障碍物的合斥力与目标点的引力大小相等、方向相反，则合力为0，这将导致车辆不再受力，故无法向前搜索避障路径。
通过改进障碍物斥力势场函数来解决局部最优和目标不可达问题。
通过建立道路边界斥力势场以限制汽车的行驶区域，并适当考虑车辆速度对斥力场的影响。

最后

以上就是风趣滑板为你收集整理的智能汽车路径规划-曲线插值法、人工势场法自动驾驶车辆的各种规划曲线差值法人工势场法的全部内容，希望文章能够帮你解决智能汽车路径规划-曲线插值法、人工势场法自动驾驶车辆的各种规划曲线差值法人工势场法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。