【无人车路径规划】Frenet下的无人车路径规划(Python代码实现)

文章探讨了无人车在自动驾驶中的关键技术——路径规划,特别是全局路径规划和局部避障。通过Frenet坐标系,结合Python代码展示了如何生成目标路径并处理动态环境中的障碍物。同时,提到了参考文献中关于无人车局部路径规划的研究。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

 👨‍🎓个人主页:研学社的博客 

💥💥💞💞欢迎来到本博客❤️❤️💥💥

🏆博主优势:🌞🌞🌞博客内容尽量做到思维缜密,逻辑清晰,为了方便读者。

⛳️座右铭:行百里者,半于九十。

📋📋📋本文目录如下:🎁🎁🎁

目录

💥1 概述

📚2 运行结果

🎉3 参考文献

🌈4 Python代码实现


💥1 概述

随着近几年科技的发展,无论是城市道路的自动驾驶、复杂路况中的军方补给,还是仓储快递物流运输,无人车都发挥着十分重要的作用。路径规划作为无人车的核心技术,更加成为人们关注的焦点。无人车的全局路径规划,是在全局环境中规划出一条从起始点到目标区域的无碰撞路径。无人车将这条路径作为参考路径,在沿其向前行驶的过程中,周边环境并非是一成不变的,此时需要无人车利用自身的传感器,实时感知周边一定范围内的局部环境变化,进而对各种突现障碍物进行躲避,完成局部避障任务。

📚2 运行结果

 

  部分代码:

tx, ty, tyaw, tc, csp = generate_target_course(w_x, w_y)

# initial state, all value are under Frenet Coordinate
# current speed
c_speed = 10/3.6
# current d position (lateral)
c_d = 2
# current d speed
c_d_d = 0
# current d acceleration
c_d_dd = 0
# current s position
s0 = 0

if show_animation:
    # showing the obstacles and the global path
    plt.plot(ob[:, 0], ob[:, 1], 'ob')
    plt.plot(w_x, w_y, '-r')
    plt.savefig('global_path.png')
    plt.show()

tx, ty, tyaw, tc, csp = generate_target_course(w_x, w_y) # initial state, all value are under Frenet Coordinate # current speed c_speed = 10/3.6 # current d position (lateral) c_d = 2 # current d speed c_d_d = 0 # current d acceleration c_d_dd = 0 # current s position s0 = 0 if show_animation: # showing the obstacles and the global path plt.plot(ob[:, 0], ob[:, 1], 'ob') plt.plot(w_x, w_y, '-r') plt.savefig('global_path.png') plt.show()

🎉3 参考文献

部分理论来源于网络,如有侵权请联系删除。

[1]刘依卓. 无人车全局路径规划与局部避障方法研究[D].哈尔滨工程大学,2021.DOI:10.27060/d.cnki.ghbcu.2021.000331. 

[2]袁春,龚城,何成诚,李杨,郭宗环.Frenet坐标系及凸近似避障原理的无人车局部路径规划[J].重庆理工大学学报(自然科学),2022,36(04):59-67.

🌈4 Python代码实现

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

荔枝科研社

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值