CMU-BOSS无人车运动规划详解

"BOSS上的运动规划1" 在无人车领域，运动规划是核心部分，它决定了车辆如何从当前位置安全有效地到达预设的目标位置。在CMU-BOSS无人车系统中，运动规划包含了多个关键步骤，涉及算法设计、轨迹生成、评估与选择等过程。以下是对这些步骤的详细解释： 首先，运动规划始于确定运动目标，这通常来源于行为决策层的指令，例如，车辆需要到达某个路口或避开障碍物。接下来是路径规划，这一步需要考虑环境因素，确保车辆能在复杂的道路条件下行驶。 轨迹生成是运动规划的核心环节。模型-预测轨迹生成器（Model-predictive trajectory generator）是一种常用的方法，它通过解决一个参数化控制问题来生成一系列可能的轨迹，满足车辆的动力学约束。这一过程涉及到一组微分方程，描述车辆的动力学模型。约束方程确保车辆的行驶轨迹符合道路规则，例如，最小转弯半径、曲率速率限制、加速度和减速限制，以及控制输入的延迟。 车辆模型的精度直接影响到预测规划的准确性。在BOSS系统中，车辆模型综合了多种限制条件，如最小转弯半径、曲率速率极限、最大加速度和减速，以及控制输入的延迟。通过欧拉积分法，可以模拟这些模型来验证约束方程。 轨迹的形状和动态特性由基于时间的线性速度函数和基于弧长的曲率函数来描述。线性速度函数有四种基本形态，包括恒定速度、线性上升、线性上升后再恒定以及梯形速度，这些可以根据具体任务（如停车、保持距离等）进行选择。曲率函数则反映了车辆转向的灵活性。 在所有候选轨迹生成后，评估函数便发挥了作用。评估函数根据当前环境，如静态和动态障碍物、路缘、速度、转弯曲率和路径偏离等因素，对每条轨迹进行评分。最终，选择得分最高的轨迹作为车辆的行驶路径。 BOSS上的运动规划是一个复杂且精细的过程，它整合了预测控制理论、车辆动力学建模和环境感知，确保无人车能够在各种情况下做出安全、合理的行驶决策。