基于动态优化的城市环境实时空间轨迹规划

摘要

本文介绍了基于动态优化的城市环境实时空间轨迹规划。在城市环境中自动驾驶车辆轨迹规划需要具有高通用性、长规划范围和快速更新频率的方法。通过路径-速度分解，本文提出一种新型的规划框架，它生成前瞻性轨迹，并且可以有效地处理各种状态和控制约束。与相关工作相反，所提出的最优控制问题是在空间上而不是时间上表示的。这种空间表示将环境约束与优化变量解耦，从而允许应用简单而高效的方法。为此，本文提出一种在增广拉格朗日框架中基于ILQR的特定求解策略，以快速最小化轨迹目标代价（即使在不可行的初始解下也是如此）。在仿真和现实世界城市交通中自动驾驶车辆上的评估证明了本文所提出方法的实时性和多功能性。

主要贡献

本文的主要贡献如下：

1）本文提出一种动态优化表示，可以在毫秒范围（<10ms）内求解，并且在125米范围内生成前瞻性轨迹。此外，还考虑了静态和动态障碍物、速度、加速度、曲率限制和时空约束；

2）本文提出一种增广拉格朗日框架中基于ILQR的特定、实时的求解策略，具有改进的优化稳定性和对不可行初始化的处理；

3）在仿真和现实世界城市交通中自动驾驶车辆上的评估证明了本文所提出方法的多功能性和鲁棒性；

4）用C和Python编写的开源代码实现与仿真实验可以在github上找到：https://github.com/joruof/tpl。

论文图片和表格

总结

本文提出了一种用于前瞻性轨迹规划的动态优化方法，该方法可以处理通用速度和时空约束。通过选择一种空间表示，可以使用快速、特定的AL-ILQR方法，从而缩短循环时间，大大减少复杂城市环境中的反应时间。由于所提出的方法目前沿着所提供的参考线进行纵向规划，因此未来的工作将着重于允许横向偏离（例如超车）和进一步减少最大计算时间的扩展方面。

文章转载自公众号：自动驾驶专栏