在上期我们分享了什么是自动驾驶实时规划（什么是自动驾驶实时运动规划）之后，我们将继续分享自动驾驶实时规划里面的定义和术语，毕竟任何一个行业都会衍生出一定的定义和术语，只有理解这些定义和术语才能够去理解这些意义和内容。
本节描述了机器人规划领域文献中常用的关键概念术语，因此也介绍了自动驾驶车辆。如前所述，本文侧重于局部道路层面的规划，而非全球层面的规划（即GPS导航路线规划）。
根据固定坐标系唯一定义车辆位置和方向的独立属性集称为配置向量（Eskandarian，2012）。因此，车辆所有配置的集合构成了配置空间。
描述自动驾驶车辆在某一时刻和某一特定地点的状态的一组属性值被称为该时刻车辆的“状态”（Eskandarian，2012）。最常见的属性集，定义为向量，用于表示车辆的状态是位置（x，y，z），方向（hx，hy，hz），线速度（vx，vy，vz）和角速度（xx，xy，xz）。随后，状态空间表示车辆可能处于的所有可能状态的集合。在下一节中将看到，状态空间的数学表示不同于车辆规划所采用的方法。对于每一个规划问题，都应该考虑显式表示和算法效率之间的权衡。可用于构造配置或状态空间的表示将在第2.2节中讨论。
单车模型是一个车辆的动力学/运动学模型，其中两个前轮和两个后轮分别被一个前轮和一个后轮代替。车辆在平面上移动，其坐标由向量（x，y，ψ）描述，其中x，y是重心位置，ψ是车辆的方向。车辆重心处的速度表示为V,方向盘的角度用前轮角表示。并与车辆纵轴成一个角度。这个角度被称为车辆的侧滑角β(单车模型的一个基本假设是内滑角、外滑角和转向角相等)。
如果可控自由度等于总自由度，则机器人是完整自由度的（holonomic），如果可控制的自由度小于总自由度，则称为非完整约束的（non-holonomic）。汽车具有三个自由度(也有说四个2个笛卡尔坐标)；即它在地图两个轴上的位置及其方向。但是，只有两个可控制的自由度，即加速度（或制动）和方向盘转向角。这使驾驶员很难向任何方向转动汽车（除非汽车打滑或滑行）。
行为输入（actions）是导致车辆状态变化的系统输入（如加速度、转向角）。行为输入（actions）要么被定义为时间的函数，要么被定义为状态和时间的函数。行为操作空间（Action space）表示可应用于状态空间的所有可能操作的集合
给定一个配置空间（configuration space）或一个状态空间（state space），规划是一个计算密集型任务，要求高内存利用率。在机器人运动领域（包括公路和越野车辆和物体），规划是在不同的层次上进行的。最高级别的规划涉及到从起点到终点的路线规划，工作空间基本上仅限于表示底层道路网络的数字地图。最低级的规划是根据车辆动力学规划出一条平滑的轨迹，这种规划是在高维状态的小（局部）搜索空间中制定的。为了便于描述和讨论，本文其余部分定义了以下术语
路径表示为以边界配置开始和结束的连续配置序列，即初始配置和终止配置（Eskandarian，2012）。换言之，路径是车辆为了到达目的地而不与障碍物相撞而应遵循的几何轨迹。
路径规划是寻找从初始配置到给定终止配置的几何路径的问题，使得路径上的每个配置和状态（如果考虑时间）都是可行的。可行的配置/状态不会导致碰撞，并遵循一组运动约束，例如道路和车道边界以及交通规则。值得注意的是，在讨论路径规划的整篇论文中，在上述约束条件下，寻找最佳和最安全的几何轨迹是非常重要的，这些约束条件也有关于交通规则的逻辑论证。
操纵是关于车辆在道路上的位置和速度的车辆运动的高级特征。操纵的例子包括“直行”、“转弯”、“超车”等。如果根据交通规则或其他规则安全地进行了操纵，则该操纵属于名义操纵。
操纵规划解决的问题是，在考虑路径规划中指定的路径的同时，为车辆做出最佳的高层决策。
轨迹被表示为车辆访问的一系列状态，由时间和速度参数化。轨迹规划（又称轨迹生成）是指在满足车辆动力学特性的基础上，受导航舒适性、2车道边界和交通规则约束，在避免的同时，实时规划实际车辆从一个可行状态过渡到下一个可行状态的过程时间、障碍物，包括其他道路使用者以及地面粗糙度和沟渠。
轨迹规划由时间、加速度或速度参数化，通常称为运动规划。在每个规划周期中，路径规划器模块根据车辆车载传感器的速度和视线，从车辆的当前位置生成多个具有前瞻距离的轨迹，并根据某些成本函数评估每个轨迹，以确定最佳轨迹。
轨迹规划是按固定的时间间隔安排的；其长度在很大程度上取决于接收新传感器数据的频率。例如，在VisLab洲际自主挑战赛（VisLab Intercontinental Autonomic Challenge）期间测试的控制器中，每隔100毫秒（ms）安排一次轨迹规划（Broggi等人，2012年）。监控当前车辆位置和确定轨迹之间的误差；当检测到超过预定义阈值的误差时，触发轨迹修正计划。应当指出的是，在空中交通管制的背景下，有大量关于飞机飞行轨迹规划的文献。然而，飞机的轨迹规划与公路车辆的轨迹规划有很大的不同。飞机的运行环境和分配的空间不同于人口过多、多式联运、拥挤的道路网络，后者也受到道路几何结构、车道和大量未出现在空中的障碍物的制约。此外，飞机的自由度、动力学和尺寸与公路车辆不同，车辆和飞机的轨迹规划（必须考虑所有这些参数）需要不同的方法。例如，如chuster（2015）所述，飞机的轨迹是4D（包括空间坐标（x、y、z）和时间，而道路车辆主要作用于2D空间或3D空间（如果加上时间）。此外，飞机运动规划的状态向量包括三维位置坐标（x、y和高度）、风速和飞机质量。然而，道路车辆的状态向量不考虑空气速度和车辆质量。因此，可以理解为飞机的轨迹被处理为6个自由度，而公路车辆的轨迹通常只处理3个自由度。
大多数现有的轨迹规划算法的实现遵循两个步骤：
（i）第一步在低分辨率/低维搜索空间生成轨迹；
（ii）在第二步中，在更高分辨率/高维搜索空间上平滑得到的最优轨迹。规划模块是实现车辆完全自动驾驶的一个组成部分，轨迹规划器的输出输入到车辆控制模块的低级转向/操纵控制单元。
参考文献：
1，Real-time motion planning methods for autonomous on-road driving: State-of-the-art and future research directions -Christos Katrakazas a , Mohammed Quddus a,⇑ , Wen-Hua Chen b,1 , Lipika Deka a
2，Vehicle Dynamics and Control - Rajamani
文中部分图片版权归其所有
*未经准许严禁转载和摘录
作者：Pirate Jack
来源：https://mp.weixin.qq.com/s/TL7-ZnKlIkj6RVGAoHjIeA
Vehicle微信公众号
相关文章推荐
•自动驾驶 - 只需要一个聪明的人工智能取代人类驾驶
•自动驾驶的三种解决方案
更多汽车行业干货请关注Vehicle专栏。
