技术文档 _ 二次规划（QP）样条路径.pdf

技术文档 _ 二次规划（QP）样条路径.pdf 自动驾驶技术中的规划模块是非常重要的一部分，负责对数据的监听、获取和预处理，并对数据进行综合处理，以输出给控制模块。在这个模块中，二次规划（QP）样条路径规划是一个关键的组成部分。本文档将详细介绍二次规划（QP）样条路径的实现过程。 首先，在规划模块中，需要将数据综合处理为内部数据结构，然后由任务管理器调度合适的优化器进行各个优化任务。综合优化的结果，经过最终的验证后，输出给控制模块。在设计上，实现了策略的可插拔，使得各个优化器可以灵活配置不同策略，提升迭代效率。 EM-Planner是具体的规划实施类，它基于高精地图、导航路径及障碍物信息作出实际的驾驶决策，包括路径、速度等方面。首先使用DP（动态规划）方法确定初始的路径和速度，再利用QP（二次规划）方法进一步优化路径和速度，以得到一条更平滑的轨迹，既满足舒适性，又方便车辆操纵。 在二次规划（QP）样条路径规划中，需要使用二次规划的方法寻找更优质更平滑的路径，需要满足一定的限制条件，如曲率和曲率连续性、贴近中心线、避免碰撞。路径定义在 station-lateral 坐标系中，参数s的取值范围为车辆的当前位置到默认规划路径的长度。路径可以划分为n段，每段路径用一个多项式来表示，每个样条段 i 都有沿着参考线的累加距离。 QP公式可以将开销（cost）函数转换为QP公式，例如将开销函数转换为QP公式，得到一个6阶的矩阵来表示5阶样条插值的衍生开销。应用同样的推理方法可以得到2阶、3阶样条插值的衍生开销。 在QP约束中，需要将约束条件转换为QP约束不等式，例如将起始点和终点组合在一起，得出约束等式为： 该约束的目的是使样条的节点更加平滑。在路径上均匀的取样m个点，检查这些点上的障碍物边界，将这些约束转换为QP约束不等式，使用不等式：计算约束的不等式为：同样地，可以为下述等式计算约束等式： 本文档详细介绍了二次规划（QP）样条路径规划的实现过程，包括数据处理、QP公式的推导、QP约束的建立等方面的内容，为自动驾驶技术中的规划模块提供了有价值的参考。