自动驾驶轨迹规划之kinodynamic planning

欢迎大家关注我的B站：

偷吃薯片的Zheng同学的个人空间-偷吃薯片的Zheng同学个人主页-哔哩哔哩视频 (bilibili.com)

本文PPT来自深蓝学院《移动机器人的运动规划》

目录

1.kinodynamic的背景

[2. old-school pipline](#2. old-school pipline)

3.example

---

1.kinodynamic的背景

kinodynamic是一个合成词，由运动学与动力学组成

这样的一个规划问题是受限于运动学约束：如避障、高阶微分模型。受限于动力学约束：如状态量控制量有界

2. old-school pipline

做轨迹规划的old-school pipline是由任务驱动先生成一个粗糙的路径再利用轨迹优化得到最终结果

首先区分路径规划和轨迹规划的区别

• 路径规划一般未考虑了机器人的运动学、动力学约束，而轨迹规划两者都要考虑
• 路径规划是对空间的规划，与时间参数无关，而轨迹规划是时空联合

那么后端优化考虑了运动学和动力学，为什么在前端路径查找还要考虑？

• 这是一个coarse-to-fine的过程，如果前端考虑一定约束，后端优化的压力就小
• 并且轨迹优化往往在给定信赖域中迭代进行，优化仅在局部区域，已经无法改变同伦
• 如果该同伦路径运动学和动力学上不可行，优化也没有意义

3.example

这是经典的单轮车模型和两轮差速转向模型

这是自动驾驶中最常用的车辆二自由度模型，同时根据运动学约束有几种分类

如果只能匀速倒车或前进，车辆轨迹形成Reeds-Sheep曲线

如果只能匀速前进，车辆轨迹形成Dubins曲线

不清楚的读者请参考 【自动驾驶轨迹规划之最优控制】_最优控制理论路径规划-CSDN博客

【自动驾驶轨迹规划之dubins曲线与reeds-shepp曲线】_reeds-shepp和dubins曲线简介-CSDN博客