1. AI技术聚合首页
  2. Python

自动驾驶路径规划——DWA（动态窗口法）

心中带点小风骚 • • Python • 阅读 164

文章目录

1. DWA(Dynamic window approach)

    动态窗口法（DWA）主要是在速度空间中采样多组速度，并模拟机器人在这些速度下一定时间内的轨迹。在得到多组轨迹以后，对这些轨迹进行评价，选取最优轨迹所对应的速度来驱动机器人运动。

1.1 机器人运动模型

    动态窗口法将移动机器人的位置控制转换为速度控制。在利用速度模式对机器人运动轨迹进行预测时，首先需要对机器人的运动模型进行分析[1]。移动机器人采用的是两轮差速模型，自动驾驶路径规划——DWA（动态窗口法）分别代表机器人在世界坐标系下的平移速度与角速度，反映了机器人的运动轨迹。在机器人的编码器采样周期自动驾驶路径规划——DWA（动态窗口法）内，位移较小，机器人作匀速直线运动，则机器人运动模型为:
自动驾驶路径规划——DWA（动态窗口法）式中自动驾驶路径规划——DWA（动态窗口法）———t时刻机器人在世界坐标下的位姿。

1.2 速度采样

    动态窗口法将避障问题描述为速度空间中带约束的优化问题，其中约束主要包括差速机器人的非完整约束、环境障碍物的约束以及机器人结构的动力学约束。DWA算法的速度矢量空间示意图如图1-1所示，横坐标为机器人角速度自动驾驶路径规划——DWA（动态窗口法），纵坐标为机器人线速度自动驾驶路径规划——DWA（动态窗口法），其中自动驾驶路径规划——DWA（动态窗口法）、自动驾驶路径规划——DWA（动态窗口法）为机器人最大、最小线速度，自动驾驶路径规划——DWA（动态窗口法）、自动驾驶路径规划——DWA（动态窗口法）为机器人最大、最小角速度;整个区域为自动驾驶路径规划——DWA（动态窗口法），所有白色区域自动驾驶路径规划——DWA（动态窗口法）为机器人安全区域，自动驾驶路径规划——DWA（动态窗口法）为考虑电机扭矩在控制周期内限制的机器人可达速度范围，自动驾驶路径规划——DWA（动态窗口法）为上述3个集合的交集最终确定的动态窗口。
自动驾驶路径规划——DWA（动态窗口法）

图1-1 速度矢量空间示意图

    根据机器人的速度限制，定义Vs为机器人线速度与角速度的集合，即动态窗口算法搜索求解的最大范围，满足：
自动驾驶路径规划——DWA（动态窗口法）    采样周期 自动驾驶路径规划——DWA（动态窗口法）内存在机器人最大、最小可到达的速度 自动驾驶路径规划——DWA（动态窗口法）和角速度 自动驾驶路径规划——DWA（动态窗口法）范围，需要进一步缩小动态窗口。在给定当前线速度 自动驾驶路径规划——DWA（动态窗口法）和角速度 自动驾驶路径规划——DWA（动态窗口法）条件下，下一时刻动态窗口 自动驾驶路径规划——DWA（动态窗口法）满足：
自动驾驶路径规划——DWA（动态窗口法）
式中 自动驾驶路径规划——DWA（动态窗口法）——机器人最大线加速度;
      自动驾驶路径规划——DWA（动态窗口法）——机器人最大角加速度；
    整个机器人的运动轨迹，可以细分为若干个直线或圆弧运动，为保证机器人安全区域，在最大减速度条件下，当前速度应能在撞击障碍物之前减速为0，则定义机器人碰撞可行区域的线速度与角速度集合 自动驾驶路径规划——DWA（动态窗口法）满足：
自动驾驶路径规划——DWA（动态窗口法）式中 自动驾驶路径规划——DWA（动态窗口法） ——机器人最大线减速度，
      自动驾驶路径规划——DWA（动态窗口法）——机器人最大角减速度；
      自动驾驶路径规划——DWA（动态窗口法）———轨迹上与障碍物最近的距离(如图1-2所示)。
自动驾驶路径规划——DWA（动态窗口法）

文章出处登录后可见！
已经登录？立即刷新

共计人评分，平均分

到目前为止还没有投票！成为第一位评论此文章。

赞 (0)
心中带点小风骚的头像心中带点小风骚普通用户
0
上一篇 2023年3月19日 下午1:39
下一篇 2023年3月19日 下午1:43

相关推荐