曲率有界非完整车辆的轨迹优化：在自动驾驶中的应用

在本文中，我们提出了一种轨迹优化方法，用于计算非完整、曲率有界车辆在静态与动态障碍物间的平滑无碰撞轨迹。我们公式的一个关键新颖之处是分层优化例程，其在角加速度和线速度空间中交替操作。即，该优化具有两层结构：在固定线速度的情况下优化角加速度，反之亦然。若将车辆/障碍物建模为圆，则速度优化层可证明具有常见于线性系统的计算高效的凸差结构。与通过外接圆单独近似每个多边形的方法相比，这导致了较不保守的近似。另一方面，与将多边形近似为多个重叠圆的方法相比，它导致的优化问题约束数量更少。我们使用所提出的轨迹优化作为构建模型预测控制框架的基础，用于在超车、变道和汇入等复杂场景中导航自动驾驶汽车。此外，我们还强调了交替优化例程所提供的优势。具体而言，我们表明其产生的轨迹在弧长和光滑性上与在角加速度和线速度空间中联合同时优化所产生的轨迹相当。然而重要的是，交替优化在计算时间上提供了一定增益。