自動駕駛系統的決策規劃模組介紹
對於自動駕駛系統,如果將感知模組比作人的眼睛和耳朵,那麼決策規劃模組就是自動駕駛的大腦。
大腦在接收到感測器的各種感知資訊之後,對當前環境作出分析,然後下達命令到底層控制模組。
這個過程就是決策規劃模組的主要任務。
典型的決策規劃模組可分為三個層次:
- 全域性路徑規劃(Route Planning)
- 行為決策層(Behavioral Layer)
- 運動規劃(Motion Planning)
1、全域性路徑規劃
全域性路徑規劃是指:在收到一個目的地資訊後,結合高精度地圖資訊和本車的當前位姿資訊,生成一條最優的全域性路徑,作為後續區域性路徑規劃的參考和引導。
這裡的“最優”可以指路徑最短、時間最快或必須經過指定點等條件。常見的全域性路徑規劃演算法包括Dijkstra、A-Star演算法,以及在這兩種演算法基礎上的多種改進。
2、行為決策層
行為決策層是指:在接收到全域性路徑後,根據從感知模組得到的環境資訊(其他車輛、行人等障礙物資訊,道路上交通標誌、紅綠燈等交通規則資訊),以及本車當前的行駛路徑等狀態資訊,作出具體的行為決策(如變道超車、跟車行駛、讓行、停車、進出站等);
行為決策層用的較多的演算法包括:有限狀態機、決策樹、基於規則的推理模型等。
該層有三個難題需要解決:
- 實際的交通場景千變萬化,如何做到通用;
- 其他交通參與者的行為存在不確定性,不僅需要對其行為做預測,還需要考慮本車與其他交通參與者的博弈;
- 如何應對感知模組提供的資訊做不到100%的準確和100%的全覆蓋。
3、運動規劃
運動規劃是指:根據具體的行為決策,生成一條滿足各種約束條件(如安全性、平順性、車輛本身的動力學約束等)的軌跡,該軌跡作為控制模組的輸入決定車輛的行駛路徑。
運動規劃可進一步分為區域性路徑規劃和速度規劃,即將“行為”轉化成一條更加具體的行駛“軌跡”,從而能夠生成一系列控制訊號(加速度、方向盤轉角、檔位、燈光等), 實現車輛的自動行駛。
區域性路徑規劃和速度規劃演算法,常用的有基於搜尋的規劃演算法,基於取樣的規劃演算法,以及直接最佳化的方法。
相關閱讀
來自 “ ITPUB部落格 ” ,連結:http://blog.itpub.net/29829936/viewspace-2650914/,如需轉載,請註明出處,否則將追究法律責任。
相關文章
- SAE自動駕駛分級介紹自動駕駛
- 解析百度Apollo之決策規劃模組
- 解析丨自動駕駛核心技術:感知、決策與執行(中:決策篇)自動駕駛
- 測試及驗證自動駕駛系統安全大規模部署的解決方案自動駕駛
- 基於數值優化的自動駕駛實時運動規劃優化自動駕駛
- 自動駕駛中的機器學習演算法簡單介紹 - Haltakov自動駕駛機器學習演算法
- 基於數值最佳化的自動駕駛實時運動規劃自動駕駛
- 決策樹模型(1)總體介紹模型
- 解析丨自動駕駛核心技術:感知,決策與執行(上:感知篇)自動駕駛
- 自動駕駛系列(七)——聊聊人機互動中的DMS駕駛員監控系統自動駕駛
- 決策樹演算法介紹及應用演算法
- windows xp系統啟動模式介紹Windows模式
- 如何寫好遊戲系統策劃案?遊戲
- 遊戲策劃設計中地圖編輯器的使用介紹(轉)遊戲地圖
- 自動駕駛汽車測試新方法 DeepTest:可自動測試深度神經網路駕駛系統自動駕駛神經網路
- LoRa模組在智慧灌溉系統中的應用特點介紹
- 系統模組劃分設計的思考
- LSF系統介紹
- 【動手開發作業系統】- 介紹作業系統
- [新版]KVM坐席協作系統策劃方案
- 一個強化系統看出你的策劃段位!
- oracle 11g自動收集統計資訊介紹Oracle
- 操作型系統和決策支援系統的區別
- 【2018.04.19 ROS機器人作業系統】機器人控制:運動規劃、路徑規劃及軌跡規劃簡介之一ROS機器人作業系統
- Drive.ai計劃啟動自動駕駛網約車服務AI自動駕駛
- 量化交易系統開發解決方案介紹
- 轉載:自動駕駛——自動泊車之AVM環視系統演算法框架自動駕駛演算法框架
- 多後端系統的模組劃分方案後端
- DDC基本介紹、未來規劃、行業合規性討論行業
- Statspack之五-規劃自動任務
- 提供自動駕駛DMS系統-影像採集標註服務自動駕駛
- 英偉達聯合豐田開發可量產自動駕駛系統自動駕駛
- 特斯拉更新自動駕駛系統 多項升級確保安全自動駕駛
- Uber自動駕駛汽車重回道路測試 增加人類駕駛員監控系統自動駕駛
- MES系統規劃的主要內容
- 系統策劃,不能只當實現需求的“工具人”
- 事件管理CRM系統是活動策劃工作的必要工具事件
- 自動化測試框架介紹框架