网站模版免费下载,推广公司合同,可信赖的扬中网站建设,个人建站做什么网站比较赚钱目 录
巡航规划详细设计... 1
修改记录... 2
目 录... 3
1 背景... 5
2 系统环境... 6
2.1 巡航规划与其它模块联系... 6
2.2 巡航规划接口说明... 6
3 规划模块设计... 9
3.1 巡航规划架构图... 9
3.2 预处理... 10
3.3 Planner. 10
3.3.1 Geometry planner. 10
…目 录
巡航规划详细设计... 1
修改记录... 2
目 录... 3
1 背景... 5
2 系统环境... 6
2.1 巡航规划与其它模块联系... 6
2.2 巡航规划接口说明... 6
3 规划模块设计... 9
3.1 巡航规划架构图... 9
3.2 预处理... 10
3.3 Planner. 10
3.3.1 Geometry planner. 10
3.3.1.1 环境信息更新... 10
3.3.1.2 路径规划... 14
3.3.1.3 速度规划... 20
3.3.2 其他规划器... 23
3.4 后处理... 23
4 要点及风险评估... 23
5 设计评审意见... 24
6 参考资料... 24 背景 随着产品的升级迭代对算法的泛化能力和指标都提出了新的需求。一方面后续需要低成本迁移不同停车场可能面临更多的人流车流、更多的场景如双车道、不同弯道、道路情况、不同车库层数等因此对当前模块的工程通用性和算法的泛化能力都有更高的需求另一方面基于降成本以及后续性能及产品效果提升的需求对当前算法的资源占用、效果指标等也也会有更的要求。 当前算法模块主要有以下问题。首先是算法架构的可扩展性存在较大的局限。当前算法主要基于matlab/simulink平台开发没有通用的工程框架添加新算法或者更新算法非常困难而且适配其他模块及工具繁琐且工作量巨大、无法做深层次性能优化。其次是当前框架未能较好利用现有开源生态及借鉴别人的工作。Matlab是商业软件其生态尤其自动驾驶方面的生态较apollo等开源生态有明显的差距而且部分重要的组件如图形计算等无法进行代码生成导致当前开发经常需要重复造轮子工作处于一种闭门造车的状态效率低下。最后是当前算法通用性不够强。当前算法对场景和逻辑等抽象不够很多场景基于经验公式开发对于特定的场景使用特定的策略后续泛化困难。 当前设计的主要目标是借鉴apollo开源框架进行重构。一方面变更开发语言使模块能够进行性能的深度调优并有效地借鉴开源的成果提高效率另一方面构建统一的工程框架提升模块的工程通用性以支撑后续的开发和算法升级最后通过将接口与算法与主流平台对齐后续算法可以逐步更换以提高泛化能力和效果指标。
系统环境 巡航规划与其它模块联系
巡航规划主要根据决策状态机、处理过的引导线、边界信息等及底盘的反馈信号综合对不同场景如直行、转弯、道闸口等的处理、对直行及绕障等模式的处理、对路径和速度的生成和优化最终输出一条轨迹参考线发给控制进而决定整车运动路径及速度。 巡航规划接口说明
根据规划的功能其主要的输入信息应包含如下 地图及定位信息目前版本算法主要放在边界信息接口内感知障碍物信息目前版本算法主要放在边界信息接口内全局导航信息目前版本算法主要放到引导线信息接口内车身反馈信息包含速度、加速度、档位等预测信息后续能力提升及泛化需要交通规则信息后续场景升级可能需要
同时规划的输出信息主要如下 规划轨迹包含路径、速度两大类及衍生信息如曲率、加速度等信息本模块的状态信息主要是异常信息等后续做产品化安全需要
下面针对当前算法的接口进行具体说明 A输入接口 1、DEC //决策信息包含状态机、引导线、边界信息
2、SMC //车身反馈信息
2、PTP_trajectory_detail //规划的反馈信息实际未使用
3、PTP_out //旧的规划输出接口实际未使用
4、PTP_trajectory_head //规划的车头轨迹实际未使用
5、PTP_Inner_Monitor_out //规划内部信息监控实际未使用
规划模块设计 巡航规划架构图 巡航规划模块架构图
如图所示巡航规划模块的整体架构包含三个部分预处理、规划器planner、后处理其中规划器为主体模块。规划器为各种具体的规划算法的总称。当前的算法主要基于曲率几何推导因此把其命名为geometry planner。其余为业内主流的一些规划算法包括lattice、EM、openspace、RRT、reinforce等。下面针对每个模块做概要说明
预处理对planner所需的数据进行处理主要对输入的数据降噪、去毛刺、转换为模块所需要的数据格式及单位转换等。 Planner根据地图定位信息、障碍物信息、决策状态机、车身反馈、导航信息等进行综合考虑同时结合如平稳、高效、资源占用少等指标计算出一条优化的轨迹。考虑到模块的拓展性会在当前算法的基础上根据场景的需求不断增加新算法比如lattice、EM、openspace、RRT等补充其能力。目前主要的算法为Geometry planner主要原理如下1、通过以当前位置根据引导线跟随、绕行各障碍物的曲率结合人工驾驶经验算出下一时刻的行驶曲率和速度。2、再根据下一时刻的曲率、速度等推导下一时刻的位置并在此基础上重复计算驾驶行为。3、通过上述两个步骤的反复迭代最终生成一条包含40个点的整体轨迹并输出给下游。 后处理对当前模块的状态进行监控、对算法生成的轨迹等进行评价同时支持手动调式模式可以手动生成指定的轨迹输出给下游进行调试。 预处理由框架处理
滤波针对底盘反馈的速度信号进行2阶滤波及限幅处理使其降频到3hz左右经验值幅度限制在正负70以内以免出现异常值。
信号转换将方向盘转角转换为弧度表示同时通过车速和方向盘转速双重验证检测输入的方向盘信号是否有效。 Planner Geometry planner 环境信息更新
主要包含如下功能
1、根据之前计算出来的控制量更新下一时刻的车辆位置信息供计算后续控制量使用。
2、计算目标线与主车的相对位置相对角度供后续计算引导线跟随使用。
3、根据算法估计的状态更新每一个轨迹点上边界线障碍物边界等与车的相对位置供后续计算避障使用。 车辆位置推算 (xt,yt) (xt1,yt1) x y 计算在每个循环推算的时刻车身的坐标及yaw角。是一种基于运动学的理想位姿迭代。计算关系如下式 xt1xtvx*dt*cosyawrate*dt θt1θtyawrate*dt
其中vx
为车辆x方向速度vy
为车辆y方向速度dt为时间间隔yawrate为角速度。 在实际计算过程中考虑了感知的延时和系统的延时对车辆姿态的影响因此分别对两种延时进行估计根据估计参数进行系统姿态延时估算并将其作为当前初始值。 另外在车道线跟随的时候有的时候可能并不需要车后轴中心在中心线上尤其是转弯的时候因此添加对原点位置的平移使其更符合人的驾驶习惯。 通过每个时刻计算得到的纵向速度、横向速度、角速度由上式计算下一个时刻的位置。通过反复计算40次得到40个时刻的车辆位置输出到下游。
