技术文档丨二次规划样条ST坐标速度优化.pdf

技术文档丨二次规划样条ST坐标速度优化 本技术文档主要介绍了自动驾驶技术中路径规划的重要性，并详细解释了二次规划样条ST坐标速度优化的知识点。以下是本文档的知识点摘要： 一、路径规划的重要性 智能自动化驾驶技术是新兴的技术，在汽车自动驾驶的过程中，如何让汽车避开障碍物并以最短的路径到达指定的位置，是智能自动化驾驶汽车的关键性问题。 二、二次规划样条ST坐标速度优化的知识点 1. 路径约束函数：路径优化的目的是在满足给定的约束条件下，通过优化技术确定路径方案的最优位置。 2. 参考线速度曲线采样点：在QP-Spline-Path（二次规划样条路径）中找到路径后，Apollo将路径上所有的障碍物和ADV（自动驾驶车辆）转换为路径时间（ST）图，该图表示Station沿路径随时间变化。 3. 速度优化任务：速度优化的任务是在ST图上找到无碰撞且舒适的路径。 4. 二次规划方法：Apollo使用二次规划方法求解最优曲线。QP问题的标准形式如下所示：将ST曲线划分为n段，每个分段轨迹由多项式定义。 5. 轨迹平滑性约束：Apollo定义cost1表示轨迹平滑性，cost2表示最终S-T轨迹和巡航S-T轨迹之间的差异，cost3表示第一个S-T路径和跟随S-T路径之间的差异。 6. 目标函数定义：目标函数定义如下：假设起点为，在规划的路径，，and（分别代表位置，速度和加速度）上。Apollo将这些约束转换为QP等式约束。 7. 路径单调性约束：路径必须是单调的，例如，车辆只能向前行驶。 8. 路径采样约束：在路径上采样m个点，对于j和j-1点对（j∈ [1,...,m]）：如果这两个点在同一个样条分段k中，满足下列约束。 9. velocidad限制约束：Apollo还建立了一个速度限制界限。在st曲线上采样m个点，每个点j的速度限制由一个上界和一个下界共同定义，例如和。 本技术文档详细介绍了二次规划样条ST坐标速度优化的知识点，为自动驾驶技术的发展提供了有价值的参考。