自动驾驶全局路径规划（自动驾驶路线规划）
今天给各位分享自动驾驶全局路径规划的知识，其中也会对自动驾驶路线规划进行解释，如果能碰巧解决你现在面临的问题，别忘了关注本站，现在开始吧！
本文目录一览：
matlab自动驾驶系统-坐标系
自动驾驶工具箱中的坐标系
自动驾驶工具箱中的坐标系
自动驾驶工具箱™使用以下坐标系：
世界：固定的通用坐标系，所有车辆及其传感器都放置在其中。
车辆：停泊在自我车辆上。通常，车辆坐标系放置在后轴中点正下方的地面上。
传感器：特定于特定的传感器，例如照相机或雷达。
空间：特定于相机拍摄的图像。空间坐标中的位置以像素为单位表示。
所有车辆，传感器及其相关的坐标系都放置在世界坐标系中。世界坐标系在全局路径规划，本地化，制图和驾驶场景生成中很重要。单位通常以米为单位。
自动驾驶工具箱使用的车辆坐标系（*X * V ， *Y * V ， *Z * V ）固定在自我车辆上。术语“ 自我车辆” 是指包含感知车辆周围环境的传感器的车辆。
车辆坐标系遵循ISO旋转约定。从该轴的正方向看时，每个轴在顺时针方向上为正。
通常，车辆坐标系的原点直接放置在后轴中点下方的地面上。此坐标系中的位置以世界单位（例如米）表示。
由各个传感器返回的值将转换为车辆坐标系，以便可以将它们放置在统一的参考系中。
对于全局路径规划，定位，地图绘制和驾驶场景生成，可以使用车辆的姿态描述车辆的状态。车辆的转向角在逆时针方向上为正。
自动驾驶系统可以包含位于车辆上或车辆内任何位置的传感器。每个传感器的位置都包含其坐标系的原点。照相机是自动驾驶系统中经常使用的一种传感器。描述了相机坐标系中表示的点，其原点位于相机的光学中心。
传感器的偏航角，俯仰角和横滚角均遵循ISO惯例。当分别沿 Z- ， Y- 和 X-轴 的正方向看时，这些角度具有顺时针正方向。
空间坐标使您可以指定图像中的位置比像素坐标具有更大的粒度。在像素坐标系中，像素被视为离散单元，由整数行和列对（例如（ 3,4 ））唯一标识。在空间坐标系中，图像中的位置用部分像素表示，例如（ 3.3,4.7 ）。
汽车自动驾驶路径规划有哪些特点
汽车自动驾驶路径规划是基于AI设定的，与人类驾驶者不同的，所有路径规划都是基于一个原始逻辑，所以自动驾驶的的路径规划特点就是统一逻辑。
你可以这样理解，AI的路径规划，不是随意的，它一定要有一个基础条件，例如只走大道，只走高速，在这个基础逻辑上，再进行比较，全部的高速，哪一条比较近，在路程相同的情况下，哪一条比较畅通，在这个逻辑上得出一个结论，选定一条道路。
这个基础逻辑是由工程师赋予的，在这个逻辑上，诞生了算法，算法产生了路径的规划，所产生的路径规划，在逻辑相同的情况下，是完全一成不变的。这种特性正是AI的逻辑体现。但是从人类的角度看，这种特性是完全机械的，完全理性的。
在这个路径规划中，不会有一时兴起，不会有临时变通，甚至不会有执行错误，一切行动，逻辑占据绝对主导地位。从交通运输，办事效率上讲，AI的路径规划是最优选择。但是对于一个想要旅游的驾驶者来说，这将是最无聊的一次行程。
自动驾驶汽车涉及哪些技术？
智能车(Intelligent vehicle)是一个集环境感知、规划决策、多等级辅助驾驶等功能于一体的综合系统，它集中运用了计算机、现代传感、信息融合、通讯、人工智能及自动控制等技术，是典型的高新技术综合体。下边就先给自动驾驶技术做一个总的分类，如下图所示，自动驾驶的关键技术依次可以分为环境感知，行为决策，路径规划和运动控制四大部分
感知技术
自动驾驶的第一步就是环境信息和车内信息的采集与处理，是智能车辆自主行驶的基础和前提。获取周围的环境信息。这方面涉及到道路边界检测、车辆检测、行人检测等技术，即上面各位所说的传感器技术，所用到的传感器一般都会有激光测距仪、视频摄像头、车载雷达、速度和加速度传感器……这部分也是一台智能车辆最烧钱的部分，现在国内各大高校里动辄上百万甚至几百万的试验车，都是基于普通的轿车开发的，车子本身并不十分贵。但是感知技术并不是说我有钱加装个上百万的雷达，搞几个高清摄像头就可以的，由于各个传感器在设计的时候有各自的局限性，单个传感器满足不了各种工况下的精确感知，想要车辆在各种环境下平稳运行，就需要运用到多传感器融合技术，该技术也是环境感知这一大类技术的关键技术所在，目前国内这方面和国外的主要差距也集中在多传感器融合方面。
决策技术
在辅助驾驶或者自动驾驶技术中，完成了感知部分，接下来需要做的是，依据上一步感知系统获取的信息来进行决策判断，确定适当工作模型,制定相应控制策略。这部分的功能类似于给车辆下达相应的任务。例如在车道保持、车道偏离预警、车距保持，障碍物警告等系统中，需要预测本车与其他车辆、车道、行人等在未来一段时间内的状态，先进的决策理论包括模糊推理、强化学习、神经网络和贝叶斯网络技术等。
路径规划
智能车辆有了行驶任务，智能车辆的路径规划就是在进行环境信息感知并确定车辆在环境中位置的基础上，按照一定的搜索算法，找出一条可通行的路径，进而实现智能车辆的自主导航。
路径规划的方法根据智能车辆工作环境信息的完整程度，可分为两大类：
基于完整环境信息的全局路径规划方法；例如，从上海到北京有很多条路，规划处一条作为行驶路线即为全局规划。如栅格法、可视图法、拓扑法、自由空间法、神经网络法等静态路径规划算法。
基于传感器实时获取环境信息的局部路径规划方法；例如，在全局规划好的上海到北京的那条路线上会有其他车辆或者障碍物，想要避过这些障碍物或者车辆，需要转向调整车道，这就是局部路径规划。局部路径规划的方法包括：人工势场法、矢量域直方图法、虚拟力场法、遗传算法等动态路径规划算法等。
运动控制
规划好了行驶路径，接下来就需要控制车辆沿着期望的轨迹行驶，这就是运动控制部分需要完成的内容。运动控制包括横向控制和纵向控制，简单来说横向控制就是转向控制，纵向控制就是速度控制， 现在研究比较多的是横向控制，所运用的方法主要包括滑膜控制、模糊控制、神经网络控制、最优控制、自适应控制和纯跟踪控制等。通俗的讲就是，横向控制为给定一个速度，通过控制转向达到车辆沿着预定轨迹行驶的目的；而纵向控制目的是为了满足车辆行驶过程中的速度要求，有时候还需要配合横向控制达到满足车辆在轨迹跟踪的同时，还需要满足安全性、稳定性和舒适性的目的。因为车辆是一个特别复杂的系统，横向、纵向和垂向都有耦合关系的存在，因此就需要对智能车辆进行横、纵向，甚至横、纵、垂向的协同控制。由于其耦合关系的复杂性，所以说智能车辆运动控制的协同控制技术，也是该部分的技术难点。
自动驾驶全局路径规划的介绍就聊到这里吧，感谢你花时间阅读本站内容，更多关于自动驾驶路线规划、自动驾驶全局路径规划的信息别忘了在本站进行查找喔。
