最近的工作重心回到到算法上之后,陆陆续续开始学习一些自动驾驶的控制算法。目前工作的方向主要是online trajectory generation和底层控制。
对于在线路径规划,一个重要的概念是其应该能提供给车辆一个速度和方向控制命令,使底层控制器跟随这个输入去执行运动控制操作。
人工势场法(Artificial Potential Field Method)是一个典型的在线路径算法。其运用了'水往低处流'的思路,很自然的能够理解车辆路径的产生规律。
话不多说,直接上Matlab代码看一下。
close all;clear
%% Copyright@https://www.jianshu.com/u/1f9b23cfe862
density = 0.2;
Grid_X = 0:density:10;
Grid_Y = 0:density:10;
Basic_Z = ones(length(Grid_X), length(Grid_Y));
P0 = 20;
a = 20; %斥力影响因素
b = 10; %引力影响因素
%%
Goal = [10,10]; %目标
Obs = [3,2;
3,3;
5,7;
5.3,6;
6,6;
2,4;
3,8;
4,7;
8,9]; %障碍物坐标
for k1 = 1: length(Grid_X)
for k2 =1:length(Grid_Y)
X_c = Grid_X(k1);
Y_c = Grid_Y(k2);
rre =[];
rat = sqrt((Goal(1)-X_c)^2 +(Goal(2)-Y_c)^2);
Y_rre = [];
Y_ata = [];
for k3 = 1:length(Obs)
rre(k3) = sqrt((Obs(k3,1)-X_c)^2 +(Obs(k3,2)-Y_c)^2);
Y_rre(k3) = a*(1/rre(k3) - 1/P0 ) *1/(rre(k3)^2); %基本斥力场公式
if isinf(Y_rre(k3))==1|| Y_rre(k3)>150 %为显示效果做的限制处理
Y_rre = 150;
end
end
Y_ata = b*rat; %基本引力场公式,注意这里引力只有一个值
Field_rre(k1,k2) = sum(Y_rre);
Field_ata(k1,k2) = Y_ata;
end
end
SUM = Field_rre + Field_ata;
surf(Grid_X,Grid_Y,SUM) %总力场
下面两个图是基于以上代码最后的路径和总势场。 [10,10] 是目标点,而[0,0]是我们的初始位置。
其实该方法有很多局限性,比如如果障碍物很靠近终点(如[9,9]),则可能无法达到。如果某个地方应力与斥力相等,则可能陷入布局最优。因此有很多改进法。后续再谈。