智能驾驶路径规划与决策技术.pptxVIP

项目五 智能驾驶路径规划与决策技术导言 路径规划与决策模块是自动驾驶系统中最核心的模块之一（另外三个核心模块是：定位、感知和控制），其承接环境感知与定位模块，下启车辆控制模块。规划与决策可分为路由寻径、行为决策、运动规划三部分。其中定位与感知模块提供定导航地图、导航路径、当前定位点、车辆状态（包括：位置、速度、加速度、底盘）、周边目标的感知及预测信息（如交通标志和障碍物等）；然后路径规划与决策模块获得信息后由路由寻径输出全局导航路径，行为决策判断车辆是否跟车、在遇到交通灯和行人时的等待避让、以及路口和其他车辆的交互通过，最后通过运动规划模块计算出可供控制模块执行的一条带速度信息的行驶路径；最终将控制信息输入车辆控制模块控制车辆。项目五 智能驾驶路径规划与决策技术学习目标1.知识目标：（1）了解全局路径规划与局部路径规划定义；（2）了解行为决策基本模型类别；（2）理解路径规划算法、行为决策方法特点；（3）掌握Apollo路径规划与速度规划技术；2.技能目标：（1）分析路径规划算法、行为决策方法特点；（2）掌握路径规划算法、行为决策设计步骤；（3）掌握Apollo路径规划与速度规划方法3.素质目标：（1）培养学生职业素养（2）培养独立思考能力和问题分析能力（3）提高团队协作意识项目五 智能驾驶路径规划与决策技术任务5.1 路径规划技术5.2.1 全局路径规划与局部路径规划1) 全局路径规划 全局路径规划作用的地图范围较广，一般是静态环境下的规划。车辆需要从起点开始规划出一条满足约束的无碰撞路径，具有目标导航能力。但该方法不能对道路信息实时更新，所以智能驾驶车辆在行驶过程会受到局部环境的不确定性影响，会遇到各种各样不可预测的情况，因此智能驾驶车辆在行驶的过程中还需要局部路径规划进行辅助。2) 局部路径规划 局部路径规划主要针对的是动态环境下的路径规划，起到避障作用，在车辆无法按照全局规划路径行驶时，通过对智能驾驶车辆周围局部环境信息的感知，利用局部路径规划，在全局路径的基础上，规划出一段局部的无碰撞理想路径，保证在躲过障碍物后仍旧能够按照全局规划路径继续行驶。任务5.1 路径规划技术5.2.2 路径规划算法1) 对车辆行驶路线进行函数化描述的规划方法 该方法使用函数曲线描述车辆的行驶轨迹，主要用于实现轨迹规划。常用于描述轨迹的函数模型主要有圆弧曲线模型、正弦曲线模型、螺旋曲线模型，B样条曲线模型、基于多项式的曲线模型、基于正反梯形加速度的曲线模型等。基于圆弧-直线-圆弧的平行泊车路径规划示意图任务5.1 路径规划技术5.2.2 路径规划算法2) 基于采样的规划方法 基于采样的规划算法通常在起始点与目标点之间进行随机采样，获取候选目标点并对目标点进行连接构成路径备选集，剔除掉无法通过碰撞检测的备选路径，将剩余路径中曲率最优的路径作为规划的最终结果。典型的算法有概率路线图法(PRM, Probabilistic Roadmap Method) ，快速随机树法 (RRT, Rapid-exploration Random Tree)。概率路线图法是最早研究的概率完备型路径规划算法，其核心思想是在状态空间中随机撒点，依据一定规则将候选点连接形成线路，利用搜索的算法对候选线路进行搜索，若可搜索到安全可行的路线，选择其中最短的路线作为路径规划的结果，若搜索不到，则增加随机点的个数再进行上述操作，直至得到可行性结果。该方法可保证能够获得规划结果，但算法具有较大随机性，难以保证生成路径的一致性，且规划的结果与最优解之间往往有较大差距。2.在随机点之间生成路径3.输出路径规划结果1.生成随机点概率路线图法(PRM) 流程任务5.1 路径规划技术5.2.2 路径规划算法快速随机树法借鉴了概率路线图的思想，将当前节点视为根节点，通过采样得到枝叶点的位置，依据各种规则生成节点之间的连接线，将节点扩展形成树状路线图，并对扩展部分进行碰撞检测，搜索到枝叶点即视为取得有效路径，基本步骤为：1）起点作为一颗种子，从它开始生长枝丫；2）在车辆所处的空间中，生成一个随机点A；3）在树上找到距离A点最近的那个点；4）朝着A点的方向生长，如果没有碰到障碍物就把生长后的树枝和端点添加到树上，5）重复步骤2）-步骤4），直至搜索到目标点。快速随机树法的缺点很明显，例如：RRT得到的路径一般质量都不是很好，例如可能包含棱角，不够光滑；通常也远离最优路径；难以在有狭窄通道的环境找到路径。因为狭窄通道面积小，被碰到的概率低，找到路径需要的时间要看运气。快速随机树法任务5.1 路径规划技术5.2.2 路径规划算法3) 图搜索法 图搜索法的基本思想是首先对搜索空间进行离散化处理，使用栅格地图描述无人驾驶车辆外部周围环境，制作包含障碍物信息的栅格地图。在栅格地图中一般是对周围