/parking

自动泊车算法 混合A* 障碍物约束转化为行车走廊约束的优化与 apollo TDR-OBCA的比较

Primary LanguageC++MIT LicenseMIT

parking

此程序用于学习自动泊车,主要使用混合A*算法和数值优化的方法做自动停车

程序目前只关注一个周期的轨迹规划

1.参考apllo的混合A*算法生成初始路径

2.根据行车隧道**编写行车隧道算法

3.利用IPOPT 和ADOLC对优化问题进行求解

4.所有的数据通过matplotcpp进行图形绘制

5.程序经过初步调试,测试结果如下图所示:

HybirdAstarAndNLP

HybirdAstarAndNLP-侧方停车 HybirdAstarAndNLP-倒车入库

202201107 1.增加了apollo TDR-OBCA算法测试对比。 2.增加了速度优化方法,使用了分段加加速度的优化方法 relax_end_slack2 relax_end_slack-v2

有待进一步研究: 1.详细的参数对比,包括运行效率,速度平滑性,控制平滑性,完成时间等 2.离散点的时间分配问题 3.搭建ros的测试环境,封装为ros包,以增强其通用性 4.参数对曲线的影响有待进行调参测试 5.此方法是将对混合A*的所有点进行优化,需要对采用关键路标点,点与点之间使用曲线连接,对曲线优化的方法进行研究对比。

参考借鉴: 百度apollo 湖南大学李柏《自动驾驶决策规划技术理论与实践》 浙江大学高飞移动机器人运动规划的知识 声明:仅仅作为个人学习使用