使用局部地图在无地图赛道上的高性能竞速

基于地图的自主竞速方法估计车辆的位置，并以此遵循高层规划。虽然基于地图的优化方法展示了高性能的结果，但它们受限于需要环境地图。相比之下，无地图方法可以直接处理原始传感器数据（通常是激光雷达）来计算指令，因此可以在无地图环境中运行。然而，无地图方法的一个主要局限是由于缺乏优化而导致性能不佳。为此，我们提出了局部地图框架，该框架利用易于提取的低级特征来构建可见区域的局部地图，这些地图构成基于优化的控制器的输入。我们的局部地图生成方法提取可见的赛道边界，并计算用于规划的中心线和赛道宽度。我们使用两阶段轨迹优化与跟踪策略以及模型预测控制器，在模拟的 F1Tenth 自主竞速环境中评估了我们的方法。由于优化带来了更快的速度曲线，我们的方法实现的单圈时间比 Follow-The-Gap 方法快 8.8%，比端到端神经网络快 3.22%。局部地图规划器比能够访问整个赛道地图用于规划的全局方法慢 3.28%。关键的是，我们的方法能够在无地图赛道上实现高速自主竞速，在不要求赛道地图的情况下达到了与全局方法相似的性能。