在上期我們分享了什麼是自動駕駛實時規劃（什麼是自動駕駛實時運動規劃）之後，我們將繼續分享自動駕駛實時規劃裡面的定義和術語，畢竟任何一個行業都會衍生出一定的定義和術語，只有理解這些定義和術語才能夠去理解這些意義和內容。
本節描述了機器人規劃領域文獻中常用的關鍵概念術語，因此也介紹了自動駕駛車輛。如前所述，本文側重於局部道路層面的規劃，而非全球層面的規劃（即GPS導航路線規劃）。
根據固定坐標系唯一定義車輛位置和方向的獨立屬性集稱為配置向量（Eskandarian，2012）。因此，車輛所有配置的集合構成了配置空間。
描述自動駕駛車輛在某一時刻和某一特定地點的狀態的一組屬性值被稱為該時刻車輛的「狀態」（Eskandarian，2012）。最常見的屬性集，定義為向量，用於表示車輛的狀態是位置（x，y，z），方向（hx，hy，hz），線速度（vx，vy，vz）和角速度（xx，xy，xz）。隨後，狀態空間表示車輛可能處於的所有可能狀態的集合。在下一節中將看到，狀態空間的數學表示不同於車輛規劃所採用的方法。對於每一個規劃問題，都應該考慮顯式表示和算法效率之間的權衡。可用於構造配置或狀態空間的表示將在第2.2節中討論。
單車模型是一個車輛的動力學/運動學模型，其中兩個前輪和兩個後輪分別被一個前輪和一個後輪代替。車輛在平面上移動，其坐標由向量（x，y，ψ）描述，其中x，y是重心位置，ψ是車輛的方向。車輛重心處的速度表示為V,方向盤的角度用前輪角表示。並與車輛縱軸成一個角度。這個角度被稱為車輛的側滑角β(單車模型的一個基本假設是內滑角、外滑角和轉向角相等)。
如果可控自由度等於總自由度，則機器人是完整自由度的（holonomic），如果可控制的自由度小於總自由度，則稱為非完整約束的（non-holonomic）。汽車具有三個自由度(也有說四個2個笛卡爾坐標)；即它在地圖兩個軸上的位置及其方向。但是，只有兩個可控制的自由度，即加速度（或制動）和方向盤轉向角。這使駕駛員很難向任何方向轉動汽車（除非汽車打滑或滑行）。
行為輸入（actions）是導致車輛狀態變化的系統輸入（如加速度、轉向角）。行為輸入（actions）要麼被定義為時間的函數，要麼被定義為狀態和時間的函數。行為操作空間（Action space）表示可應用於狀態空間的所有可能操作的集合
給定一個配置空間（configuration space）或一個狀態空間（state space），規劃是一個計算密集型任務，要求高內存利用率。在機器人運動領域（包括公路和越野車輛和物體），規劃是在不同的層次上進行的。最高級別的規劃涉及到從起點到終點的路線規劃，工作空間基本上僅限於表示底層道路網絡的數字地圖。最低級的規劃是根據車輛動力學規劃出一條平滑的軌跡，這種規劃是在高維狀態的小（局部）搜索空間中制定的。為了便於描述和討論，本文其餘部分定義了以下術語
路徑表示為以邊界配置開始和結束的連續配置序列，即初始配置和終止配置（Eskandarian，2012）。換言之，路徑是車輛為了到達目的地而不與障礙物相撞而應遵循的幾何軌跡。
路徑規劃是尋找從初始配置到給定終止配置的幾何路徑的問題，使得路徑上的每個配置和狀態（如果考慮時間）都是可行的。可行的配置/狀態不會導致碰撞，並遵循一組運動約束，例如道路和車道邊界以及交通規則。值得注意的是，在討論路徑規劃的整篇論文中，在上述約束條件下，尋找最佳和最安全的幾何軌跡是非常重要的，這些約束條件也有關於交通規則的邏輯論證。
操縱是關於車輛在道路上的位置和速度的車輛運動的高級特徵。操縱的例子包括「直行」、「轉彎」、「超車」等。如果根據交通規則或其他規則安全地進行了操縱，則該操縱屬於名義操縱。
操縱規劃解決的問題是，在考慮路徑規劃中指定的路徑的同時，為車輛做出最佳的高層決策。
軌跡被表示為車輛訪問的一系列狀態，由時間和速度參數化。軌跡規劃（又稱軌跡生成）是指在滿足車輛動力學特性的基礎上，受導航舒適性、2車道邊界和交通規則約束，在避免的同時，實時規劃實際車輛從一個可行狀態過渡到下一個可行狀態的過程時間、障礙物，包括其他道路使用者以及地面粗糙度和溝渠。
軌跡規劃由時間、加速度或速度參數化，通常稱為運動規劃。在每個規劃周期中，路徑規劃器模塊根據車輛車載傳感器的速度和視線，從車輛的當前位置生成多個具有前瞻距離的軌跡，並根據某些成本函數評估每個軌跡，以確定最佳軌跡。
軌跡規劃是按固定的時間間隔安排的；其長度在很大程度上取決於接收新傳感器數據的頻率。例如，在VisLab洲際自主挑戰賽（VisLab Intercontinental Autonomic Challenge）期間測試的控制器中，每隔100毫秒（ms）安排一次軌跡規劃（Broggi等人，2012年）。監控當前車輛位置和確定軌跡之間的誤差；當檢測到超過預定義閾值的誤差時，觸發軌跡修正計劃。應當指出的是，在空中交通管制的背景下，有大量關於飛機飛行軌跡規劃的文獻。然而，飛機的軌跡規劃與公路車輛的軌跡規劃有很大的不同。飛機的運行環境和分配的空間不同於人口過多、多式聯運、擁擠的道路網絡，後者也受到道路幾何結構、車道和大量未出現在空中的障礙物的制約。此外，飛機的自由度、動力學和尺寸與公路車輛不同，車輛和飛機的軌跡規劃（必須考慮所有這些參數）需要不同的方法。例如，如chuster（2015）所述，飛機的軌跡是4D（包括空間坐標（x、y、z）和時間，而道路車輛主要作用於2D空間或3D空間（如果加上時間）。此外，飛機運動規劃的狀態向量包括三維位置坐標（x、y和高度）、風速和飛機質量。然而，道路車輛的狀態向量不考慮空氣速度和車輛質量。因此，可以理解為飛機的軌跡被處理為6個自由度，而公路車輛的軌跡通常只處理3個自由度。
大多數現有的軌跡規划算法的實現遵循兩個步驟：
（i）第一步在低解析度/低維搜索空間生成軌跡；
（ii）在第二步中，在更高解析度/高維搜索空間上平滑得到的最優軌跡。規劃模塊是實現車輛完全自動駕駛的一個組成部分，軌跡規劃器的輸出輸入到車輛控制模塊的低級轉向/操縱控制單元。
參考文獻：
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
文中部分圖片版權歸其所有
*未經準許嚴禁轉載和摘錄-加入我們的知識星球Vehicle可以下載以上參考資料。
>>>>