本文根据B站up:忠厚老实的老王 的视频《自动驾驶决策规划算法第一章第三节(上) 直角坐标与自然坐标转换》整理,连接:https://www.bilibili.com/video/BV1tQ4y1r7fh?spm_id_from=333.1007.top_right_bar_window_history.content.click
Planning-Frenet坐标和Cartesian坐标转换上
Planning-Frenet坐标和Cartesian坐标转换下
2 坐标转换

2.1 变量说明:
| r h ⃗ \vec{r_h} rh | 车的位置矢量 | r h ⃗ \vec{r_h} rh | 投影的位置矢量 |
|---|---|---|---|
| v ⃗ \vec{v} v | 车的速度 | s ˙ \dot{s} s˙ | 投影的速率 |
| a ⃗ \vec{a} a | 车的加速度 | — | — |
| κ h \kappa _h κh | 车的位置矢量在车轨迹上的曲率 | κ r \kappa _r κr | 投影位置矢量在道路几何上的曲率 |
| τ h ⃗ \vec{\tau_h} τh | 车的位置矢量在车轨迹上的切线方向的单位向量 | τ r ⃗ \vec{\tau_r} τr | 投影位置矢量在道路几何上的切线方向的单位向量 |
| n h ⃗ \vec{n_h} nh | 车的位置矢量在车轨迹上的法线方向的单位向量 | n r ⃗ \vec{n_r} nr | 投影位置矢量在道路几何上的法线方向的单位向量 |
2.2 基础公式
计算所需要的公式,即为上述 ( 1 − 1 ) — ( 1 − 4 ) (1-1)—(1-4) (1−1)—(1−4):
{ ① r h ˙ ⃗ = ∣ v h ⃗ ∣ τ h ⃗ = v h ⃗ ② r r ˙ ⃗ = s ˙ τ r ⃗ ③ τ h ˙ ⃗ = d τ h ⃗ d t = κ h ∣ v h ⃗ ∣ n h ⃗ ④ n h ˙ ⃗ = − κ h ∣ v h ⃗ ∣ τ h ⃗ ⑤ τ r ˙ ⃗ = κ r s r ˙ n r ⃗ ⑥ n r ˙ ⃗ = − κ r s r ˙ τ r ⃗ ⑦ a ⃗ = ∣ v h ˙ ⃗ ∣ τ h ⃗ + ∣ v h ⃗ ∣ 2 κ h n h ⃗ (2-1) \begin{cases} ①\vec{\dot{r_h}} = |\vec{v_h}| \vec{\tau _h} = \vec{v_h}\\ ②\vec{\dot{r_r}} = \dot{s} \vec{\tau _r} \\ ③\vec{\dot{\tau_h}} = \frac{d \vec{\tau _h}}{dt} = \kappa_h |\vec{v_h}| \vec{n_h} \\ ④\vec{\dot{n_h}} = - \kappa_h |\vec{v_h}| \vec{\tau_h} \\ ⑤\vec{\dot{\tau_r}} = \kappa_r \dot{s_r} \vec{n_r} \\ ⑥\vec{\dot{n_r}} = - \kappa_r \dot{s_r} \vec{\tau_r} \\ ⑦\vec{a} = |\vec{\dot{v_h}}| \vec{\tau_h} + |\vec{v_h}|^2 \kappa_h \vec{n_h} \end{cases} \tag{2-1} ⎩⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎨⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎧①rh˙=∣vh∣τh=vh②rr˙=s˙τr③τh˙=dtdτh=κh∣vh∣nh④nh˙=−κh∣vh∣τh⑤τr˙=κrsr˙nr⑥nr˙=−κrsr˙τr⑦a=∣vh˙∣τh+∣vh∣2κhnh(2-1)
2.3 C a r t e s i a n Cartesian Cartesian坐标系转换到 F r e n e t Frenet Frenet坐标系
已知 r h ⃗ , v h ⃗ , a h ⃗ , κ h , τ h ⃗ , n h ⃗ \vec{r_h}, \vec{v_h}, \vec{a_h}, \kappa_h, \vec{\tau_h}, \vec{n_h} rh,vh,ah,κh,τh,nh和 F r e n e t Frenet Frenet坐标系起点 ( x 0 , y 0 ) (x_0,y_0) (x0,y0),求 s , s ˙ , s ¨ , l , l ′ , l ′ ′ , l ˙ , l ¨ s, \dot{s}, \ddot{s}, l, l^{\prime}, l^{\prime \prime}, \dot{l}, \ddot{l} s,s˙,s¨,l,l′,l′′,l˙,l¨。
2.3.1 计算ADC在Frenet坐标系中的投影点
需要根据车辆坐标 ( x h , y h ) (x_h, y_h) (xh,yh),在参考路径上找到 x r , y r , θ r , κ r x_r, y_r, \theta_r, \kappa_r xr,yr,θr,κr。首先找到距离车辆坐标 ( x h , y h ) (x_h, y_h) (xh,yh)最近的点,称为匹配点 x m , y m , θ m , κ m x_m, y_m, \theta_m, \kappa_m xm,ym,θm,κm

根据匹配点和ADC坐标可以得到:
{ d ⃗ = ( x h − x m , y h − y m ) τ m ⃗ = ( c o s θ m , s i n θ m ) (2-2) \begin{cases} \vec{d} = (x_h - x_m, y_h - y_m) \\ \vec{\tau_m} = (cos{\theta_m}, sin{\theta_m}) \tag{2-2} \end{cases} { d=(xh−xm,yh−ym)τm=(cosθm,sinθm)(2-2)
将车辆坐标在曲线投影点处的 t r ⃗ \vec{t_r} tr近似为 τ ⃗ \vec{\tau} τ,可以得到:
r r ⃗ = ( x r y r ) = r m ⃗ + ( d ⃗ ⋅ τ m ⃗ ) τ m ⃗ = ( x m y m ) + ( d ⃗ ⋅ τ m ⃗ ) ( c o s θ m s i n θ m ) (2-3) \vec{r_r} = \begin{pmatrix} x_r \\ y_r \end{pmatrix} = \vec{r_m} + (\vec{d} \cdot \vec{\tau_m}) \vec{\tau_m} = \begin{pmatrix} x_m \\ y_m \end{pmatrix} + (\vec{d} \cdot \vec{\tau_m}) \begin{pmatrix} cos{\theta_m} \\ sin{\theta_m} \end{pmatrix} \tag{2-3} rr=(xryr)=rm+(d⋅τm)τm=(xmym)+(d⋅τm)(cosθmsinθ<

本文详细解析了自动驾驶中Frenet坐标系与Cartesian坐标系之间的转换,涉及变量说明、关键公式和坐标间的计算步骤,如位置、速度、加速度等在两种坐标系中的表示和转换方法。
最低0.47元/天 解锁文章
533

被折叠的 条评论
为什么被折叠?



