基于连续优化的规划算法:以二次规划为例

文章目录

    • 一、场景:开车回家的马路边上停着许多车
    • 二、构造优化问题:三个要素
      • 2.1 解的形式——怎么得到轨迹曲线
      • 2.2 解的约束——构造优化问题的约束
        • 2.2.1 安全约束
        • 2.2.2 运动学约束
      • 2.3 解的评价——设计成本函数
        • 2.3.1 平滑性
        • 2.3.2 目标性
    • 三、基于pyomo的实现
    • 四、总结

连续优化框架与离散优化框架都是优化方法,都需要针对优化问题设置成本函数,也都是输出一条最优的轨迹/路径(在所设置的成本函数意义下)。那么两者的不同之处在哪?不同之处在于在空间中搜索寻找最优解的方式。离散优化方法的解空间是有限的,允许同时对所有的候选解进行评价。而连续优化方法基于连续的问题空间,采用迭代的形式不断接近最优解。本文利用一个Frenet坐标系下的轨迹规划问题来介绍基于连续优化的规划算法。

一、场景:开车回家的马路边上停着许多车

假定你正开车回家,回家的马路边上零零散散的停着许多车或其它障碍物。例如下面这个场景,你行驶的轨迹大概和下图红色的曲线差不多。

基于连续优化的规划算法:以二次规划为例_第1张图片

真实环境中的道路不一定都是直线,当存在曲线时,我们可以转换到Frenet坐标系下后,同样可以画的笔直笔直的。本章就不拓展介绍Frenet坐标系了,可以参见本人以下博客:

Frenet坐标系与Cartesia

你可能感兴趣的:(自动驾驶规划入门(已完结),二次规划,连续优化,轨迹规划,pyomo)