Bahnplanungsframework für ein autonomes Fahrzeug - oops ...

VI
Abbildungen
3.4 Vehicle Parameters. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
3.5 Statistikauswertung. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
4.1 Motion Primitive: Gerade . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
4.2 Motion Primitive: Kreisbogen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
4.3 Fahrzeug wechselt von einer Geraden auf eine Kreisbahn. Aufgrund physikalischer
Lenkbewegung wird nicht sofort der Kreisbahnlenkwinkel eingestellt und das Fahrzeug
driftet aus der Kurve. Rot ist der vom Bahnregler gefahrene Pfad und grün der
berechnete Pfad. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
4.4 Änderung der Position, für den Winkel θ und die Distanz ∆l. . . . . . . . . . . . . . 36
4.5 Graph einer Klothoide mit σ = 1. . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
4.6 Funktionsgraphen für Lenkeinschlag ϕ(l) und Lenkgeschwindigkeit v steer (l) einer
Klothoide mit σ = 1. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38
4.7 Graph einer Continuous Steering Primitive (blau) mit v steer = 2, v = 1 und l = π 4 , im
Vergleich zu einer Klothoide (rot) mit gleichen Fahrzeugparametern. . . . . . . . . . 41
4.8 Verbindungen zwischen Geraden. . . . . . . . . . . . . . . . . . . . . . . . . . . . 42
5.1 Control Space Sampling: Arc-Based search space der Tiefe 2 und n = 8. . . . . . . . 44
5.2 Suchraummatrix S des Adaptive search space und deren Elemente. . . . . . . . . . . 45
5.3 Control Space Sampling: Adaptive search space der Tiefe 2, Länge l = 1 und n = 8. 45
5.4 Control Space Sampling: Adaptive search space der Tiefe 2, Länge l = 1 und n = 8,
mit entfernten Redundanzen. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 46
5.5 State Lattice Editor. Hier typische Primitiven: Gerade, 90 ◦ -Kurve und Wendeklothoide. 47
5.6 Vergleich der Erreichbarkeitsbäume der Tiefe 4 und 5 Nachfolgeelemente. . . . . . . 48
5.7 Vergleich Control Space Sampling mit Online State Space Sampling. Quelle: Howard
et al. 2008 [14] . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49
5.8 Szenario für die Evaluation der Samplingmethoden. Beide Verfahren haben 5 Nachfolgekonfigurationen
und die Länge der Primitiven beträgt etwa 3 bis 4 Meter. . . . . 50
6.1 Erreichbarkeitsbaum von Adaptive Search Space mit Tiefe 4 und 5 Nachfolgeelementen. 53
6.2 A* mit euklidischem Abstand als Heuristikfunktion. Grau (open set), rot (closed set),
grün (Pfad) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 55
6.3 Radiale Ausbreitung eines Dijkstra Algorithmus. . . . . . . . . . . . . . . . . . . . 58
6.4 Dijkstra und A* in direktem Vergleich . . . . . . . . . . . . . . . . . . . . . . . . . 59
6.5 A* mit euklidischem Abstand und gewichtetem Abstand im direkten Vergleich. . . . 60
6.6 A* mit unterschiedlichen Gewichtungen der Heuristik im Vergleich. . . . . . . . . . 61
6.7 Hervorgehobene Nachteile an Heuristik mit gewichtetem Abstand in A*. . . . . . . . 62
6.8 Orientierung als Gewichtung. Winkel δ zwischen Orientierung des Fahrzeugs und Ziel. 63
6.9 Beseitigte Nachteile des A* mit gewichtetem Abstand, mithilfe variabler Gewichtung
durch Orientierung. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 63
6.10 A* mit unterschiedlichen Heuristiken im Vergleich in einem Szenario mit Hindernis. 64
6.11 Kreisbogenabstand als Heuristik. Das Fahrzeug muss minimal den Kreisbogen und
die Gerade abfahren, als kürzesten Weg von ⃗a nach ⃗b. . . . . . . . . . . . . . . . . . 65