Frenet Frame Planning
- 又称: Frenet planner, Frenet optimal trajectory planning, Frenet-frame trajectory generation
- 类别: Planning & manipulation › Motion planning
- 标签: trajectory-generation, autonomous-driving, sampling-based-planning, lane-change
在与道路对齐的坐标中进行的轨迹规划,即沿参考路径的距离和相对它的横向偏移,通常的做法是采样许多平滑的候选轨迹并选择代价最低的有效轨迹。
定义
Frenet 坐标系规划(Frenet frame planning)相对于一条参考曲线(通常是车道中心线)而不是在全局 x 和 y 中描述车辆的运动。位置由沿曲线的弧长 s 和相对曲线的带符号横向偏移 d 给出,二者在曲线随动的切向–法向坐标系中测量,该坐标系以 Frenet–Serret 公式命名。在这些坐标中,保持在车道内意味着让 d 接近零,换道意味着把 d 移到相邻车道的偏移量,跟车意味着控制 s 随时间的变化,这使代价函数和约束写起来很简单。
被广泛使用的表述来自 Werling、Ziegler、Kammel 和 Thrun(ICRA 2010)。它把横向运动和纵向运动分开规划,表示为时间的多项式:横向偏移以及有目标位置的纵向任务(如跟车或停车)使用五次多项式,保持目标速度则使用四次多项式。每个多项式都使当前状态与终点状态之间的加加速度(jerk)最小。规划器对许多终点状态进行采样,例如不同的横向偏移、到达时间和目标速度,把横向和纵向候选组合起来,再转换回笛卡尔坐标,并丢弃那些超过曲率、加速度或速度限制,或与预测障碍物发生碰撞的候选。在有效候选中,代价最低者(权衡加加速度、时间以及与目标的偏差)被执行;规划以高频率重复,并从上一次的规划开始,以保持相继轨迹的一致性。在低速时,横向偏移最好作为 s 的函数而不是时间的函数来规划。
这种方法依赖一条好的参考线。曲线必须平滑且曲率连续,而当横向偏移接近曲率半径时,转换回笛卡尔坐标就会失效,这种情况发生在偏移较大的急弯上。Frenet 坐标系规划适用于结构化的道路和车道;对于停车场或开阔空间,则改用 Hybrid A 等规划器。
为何重要
道路驾驶天然是相对于车道来描述的,而 Frenet 坐标把车道保持、换道、汇入和跟车变成简单的一维问题。这种采样表述易于实现,能给出平滑、舒适的轨迹,已经成为自动驾驶车辆的标准教学规划器和基线规划器。
主要应用
- 高速公路上的车道保持、换道和超车
- 城市驾驶中的跟车、汇入和在停止线停车
- 自动驾驶研究平台和仿真器中的基线规划器
- 沿走廊、作物行或轨道移动的机器人的路径跟随
- 相对于赛道中心线规划的赛车线
实际应用
在高速公路上,一辆自动驾驶测试车沿其当前车道的中心构建一条平滑样条作为参考线。每个规划周期,它对本车道和相邻车道的横向终点偏移、若干机动时长以及一组目标速度进行采样。它生成相应的多项式,把每个候选转换为 x、y、航向和曲率,剔除那些超过舒适性或轮胎极限、或与附近车辆的预测路径靠得太近的候选,再把剩余代价最低的轨迹交给跟踪控制器。当一条终止于相邻车道的候选变为代价最低时,例如前车减速时,就会发生换道。
常见误解
- Frenet 坐标系规划是单一算法 — 它是一种坐标选择;用多项式采样是常见做法,但基于优化的规划器也在 Frenet 坐标中工作
- 轨迹在 Frenet 坐标系中平滑,所以是可行的 — 曲率和加速度的限制必须在转换回笛卡尔坐标后检查
- 它在任何地方都适用 — 它需要一条平滑的参考路径,在急弯和没有车道的开阔空间中性能会下降
- 横向规划和纵向规划完全独立 — 为了方便它们被分开规划,但必须组合起来一起检查
谁需要了解
- 自动驾驶规划工程师
- 使用 CARLA 等驾驶仿真器的研究人员
- 沿结构化路线行驶的移动机器人开发者
- 学习轨迹生成的学生
相关技术
- 五次与四次多项式轨迹(quintic and quartic polynomial trajectories)
- Frenet–Serret 公式
- 三次样条参考线(cubic spline reference lines)
- 状态格规划器(state lattice planner)
- 模型预测控制(model predictive control)
- CARLA 仿真器
相关术语
- Trajectory Planning
- Bicycle model
- Model Predictive Control
- Obstacle Avoidance
- Nonholonomic Constraint
- Hybrid A*
相关项目
- Ruckig: Real-time jerk-constrained time-optimal trajectory generation for robots and machines
- Vision Pilot: Autoware Foundation's open-source L2 ADAS stack from a single camera
- python_simple_mppi: MPPI control derived and implemented in numpy, with four worked examples
- NVIDIA Alpamayo: NVIDIA's open driving VLA models that plan a path and explain it, with sim, RL and data