Apollo速度规划都有什么?详解阿波罗动态规划&轨迹优化!

智能汽车 新闻
基于处理好的ST图,通过采样构建一个二维的cost_table,并对每一格计算cost值,从而通过动态规划算法,得到一条粗的最优ST轨迹。

本文经自动驾驶之心公众号授权转载,转载请联系出处。

Apollo速度规划分为:DP(动态规划)+ QP(轨迹优化)两部分。

DP给出一个粗解,为了开辟一个凸空间,然后再由osqp/ipopt来做优化平滑。

1. ST坐标系中的S:

  1. 路径规划中的SL坐标系:S是参考线上的s;
  2. 速度规划中的ST坐标系:S是路径规划输出的路径上的s;

2. 基于动态规划的速度规划

task:SPEED_HEURISTIC_OPTIMIZER

Apollo自动驾驶planning纵向速度规划之DP详解 - 知乎 (zhihu.com)

Planning 基于动态规划的速度规划 - 知乎 (zhihu.com)

基于处理好的ST图,通过采样构建一个二维的cost_table,并对每一格计算cost值,从而通过动态规划算法,得到一条粗的最优ST轨迹。

一般动态规划问题包括以下几个步骤:

  • 确定状态变量
  • 设计状态转移方程
  • 初始化边界
  • 返回结果
  1. 状态变量

状态变量的定义就是StGraphPoint, 从代码的定义我们可以看到,每个状态点保存了:

  • 当前栅格的位置信息point_,
  • 优化后的速度(optimal_speed_),
  • 参考速度cost (reference_cost_),
  • 障碍物cost(obstacle_cost_),
  • 空间距离cost (spatial_potential_cost_),
  • 当前点总的cost(total_cost_)
  1. 状态转移方程

总体状态转移方程如下:

其中k表示了在最大加减速度约束下,从i时间j位置向i+1时间转移可达范围内的所有点

遍历从(0,0)点开始,向(1,k)逐步遍历。对于遍历点C(i+1,j+k)会比较其本身cost和从C(i,j)转移到C(i+1,j+k)的cost中最小cost作为其新的cost。

3. 基于osqp的二次速度规划

task:PIECEWISE_JERK_SPEED_OPTIMIZER

apollo PiecewiseJerkSpeedProblem 速度优化 QP 数学推导 - 知乎 (zhihu.com)

Planning 基于二次规划的速度规划 - 知乎 (zhihu.com)

  1. 优化变量

  1. 目标函数

第4项的  :根据决策制定的速度分配确定的 i 时刻的曲率确定的权重;是曲率关于时间t的函数

但是这里如果曲线优化后,在对应时间的s就不是参考位置的s了,曲率的惩罚也不是优化后对应位置的曲率,所以apollo还提供了一直非线性规划方法。

4. 基于ipopt的非线性速度规划

task:PIECEWISE_JERK_NONLINEAR_SPEED_OPTIMIZER

osqp二次规划存在的问题

二次规划的曲率规划的惩罚pi是曲率关于时间t的函数,但实际上路径的曲率是和s相关的。

二次规划的速度规划通过对动态规划粗糙的st曲线,将关于s的区域惩罚转化为关于t的区域的惩罚,此时如果平滑后的曲线和原来动态规划的st曲线相差不大的时候,其惩罚位置是正确的,如果平滑后的曲线和原始的动态规划的st曲线相差较大,实际的惩罚区间就和设定的不一样。

比如上图中应该惩罚的区间为橙色区间,而二次规划算法实际对于曲率惩罚的区域是在绿色的区域。还有比如地图的限速约束也是和s相关的,所以这样的问题就在于,限速或者曲率的函数是关于s的函数,而s又是待求的量(优化量),就无法对目标函数施加速度约束或者曲率的约束,只能通过动态规划的st曲线进行转化,转化成t的函数再施加约束,但这样就会导致二次规划算法的st曲线的速度约束不精确的问题。

ipopt非线性规划求解

f(x)为代价函数,g(x)为限制条件,f(x)和g(x)都可以为非线性或者是非凸的函数,但必须为二次连续可微(及二阶导数是连续的);

非线性优化器求解主要是考虑路径曲率对速度规划的影响,因为曲率约束是一个非线性的函数。

Planning 基于非线性规划的速度规划 - 知乎 (zhihu.com)

  1. 速度点集的osqp优化平滑
  2. 道路曲率的osqp优化平滑
  3. 道路限速的osqp优化平滑

等间隔的时间采样,s,s一阶导数,s二阶导数,以及s的两组松弛变量,用于避免求解失败

额外加入了横向加速度和松弛变量的优化。

横向加速度和曲率有关,由于曲率是关于s的关系式,这里还要对该曲率进行进一步的平滑 ,因为对于非线性规划求解器,无论是目标函数还是约束都是要求函数能够二阶可导:

曲率之前是怎么来的呢?

上节课讲到了,规划路径是通过分段多项式的二次规划算法求得的,每一段的s和l都是保持的三阶导为定值的一个多项式的曲线关系,它可以保证sl是二阶可导,但是求得s的曲率实际上并不是二阶可导的,所以这里需要对曲率曲线重新做一个拟合,生成s关于曲率二阶可导的一个关系式。这里apollo同样采用分段多项式的方法获得s关于曲率kappa的关系式。首先对s进行采样,然后求解s关于曲率的分段多项式的关系式。

限速函数既不连续也不可导,所以要对限速曲线进行平滑;

对于速度规划问题,我们如何计算一个初始解:

分段多项式二次求解作为非线性规的初值

原文链接:https://mp.weixin.qq.com/s/GJO8_DwyJHI2rQ0j05dGYw

责任编辑:张燕妮 来源: 自动驾驶之心
相关推荐

2019-07-19 19:47:44

代码开发GitHub

2022-06-23 06:43:55

异常数据上报异常监控sdk阿波罗移动端

2011-05-31 16:45:30

Windows Pho微软

2019-07-21 21:56:38

代码开发工具

2012-05-03 09:10:39

Windows Pho

2022-06-13 10:01:36

Apollo携程框架

2019-08-09 11:10:39

程序员技能开发者

2021-09-18 07:43:33

ApolloJava配置中心

2024-05-06 08:45:00

Meta训练

2017-03-22 07:28:13

超算

2023-11-30 10:02:45

2016-08-11 23:35:05

能源行业大数据应用

2020-07-22 07:00:00

Windows 10Windows微软

2012-06-21 09:49:19

Windows Pho诺基亚

2023-01-06 08:42:41

动态规划字符

2021-04-29 07:15:20

动态规划DP

2009-07-10 09:03:27

Myeclise 7.优化

2012-06-21 16:37:06

诺基亚WP8

2023-10-06 13:33:11

自动驾驶技术

2023-03-09 10:06:47

自动驾驶
点赞
收藏

51CTO技术栈公众号