Fassbender 等。 - 2014 - Trajectory planning for car-like robots i

在自动驾驶和机器人技术领域，轨迹规划是至关重要的一个环节，特别是在未知、无结构的环境中，如Fassbender等人在2014年的研究“Trajectory Planning for Car-Like Robots in Unknown, Unstructured Environments”中所探讨的。这篇论文提出了一种针对汽车形态机器人的可变速度轨迹规划算法，旨在引导它们通过一系列可能被污染的GPS路点穿越复杂环境。 该算法的核心是确保生成的轨迹不仅考虑了机器人的动态特性，如加速度、减速度限制，还考虑了最大转向角和转向速率的限制。这意味着轨迹必须在物理上可行，能够适应车辆的实际运动能力。轨迹的成本计算基于多种因素，包括与障碍物的距离、曲线的曲率、曲率变化以及地形坡度。这些因素都直接影响到规划的安全性和效率。 在第一阶段，基于LiDAR和摄像头数据计算出最低成本的轨迹后，算法会在第二阶段根据车辆的动态性能调整速度。当机器人路径上出现障碍物时，算法会重新启动，计算替代路线。这种自适应和容错的特性使得系统能够应对GPS误差和位于障碍区域内的路点。 在2013年的euRathlon比赛中，他们的自动驾驶车辆MuCAR-3在“自主导航”场景中荣获第一名，这证明了该算法的有效性。在高度结构化的环境如高速公路或城市道路中，许多现有的规划方法依赖于车道标记和交通障碍物来指导车辆，但这项工作关注的是在缺乏明显指引的复杂环境中实现自主导航。 与传统的路径规划方法相比，Fassbender等人的方法更强调在不可预测的环境中寻找可行的解决方案。即使输入的GPS路点不完全准确或之间不存在可行的驾驶路径，算法也能适应并找到最佳的行驶路径。这种方法的创新之处在于其对不确定性和障碍物的处理，以及对车辆动态特性的深入考虑，从而提高了在未知环境中的导航能力。 这项研究为自动驾驶汽车在复杂环境下的安全、有效导航提供了新的思路，对未来的无人车技术发展有着深远的影响。通过灵活的轨迹规划和实时的障碍物避让策略，这样的算法可以提升自动驾驶系统的鲁棒性和适应性，使其能在各种现实世界条件下稳健运行。