28.02.2014 Aufrufe

Bahnplanungsframework für ein autonomes Fahrzeug - oops ...

Bahnplanungsframework für ein autonomes Fahrzeug - oops ...

Bahnplanungsframework für ein autonomes Fahrzeug - oops ...

MEHR ANZEIGEN
WENIGER ANZEIGEN

Sie wollen auch ein ePaper? Erhöhen Sie die Reichweite Ihrer Titel.

YUMPU macht aus Druck-PDFs automatisch weboptimierte ePaper, die Google liebt.

46 Sampling<br />

v steer = ∆ϕ · v<br />

l min<br />

Dabei ist ∆ϕ die Differenz zwischen End- und Startlenkwinkel. Wenn ∆ϕ aber zu groß wird, so<br />

wird die Lenkgeschwindigkeit v steer größer als die maximale Lenkgeschwindigkeit v steer,max , was<br />

physikalisch nicht möglich ist, so muss die Länge l der Bahn verlängert werden, so dass mit maximaler<br />

Lenkgeschwindigkeit die gewünschte Lenkwinkeldifferenz ∆ϕ durchgeführt werden kann.<br />

l = ∆ϕ · v<br />

v steer<br />

Dies hat zur Folge, dass die Primitiven alle mit der gleichen maximalen Lenkgeschwindigkeit<br />

v steer,max berechnet werden, sich aber nur anhand der Länge unterscheiden, um den gewünschten<br />

Endlenkwinkel ϕ zu erreichen. Diese redundanten Primitiven sind überflüssig und stören nur den<br />

Suchalgorithmus (siehe Kapitel 6), das pro Konfiguration zu viele Folgekonfigurationen zur Auswahl<br />

stehen. Entfernt man die Redundanzen, so reduziert sich die Anzahl der Folgekonfigurationen enorm<br />

(Abb. 5.4).<br />

(Abb. 5.4): Control Space Sampling: Adaptive search space der Tiefe 2, Länge l = 1 und n = 8, mit entfernten<br />

Redundanzen.<br />

5.2 STATE SPACE<br />

In der Literatur wird meist von dynamic State gesprochen, zu dem neben dem Zustand des <strong>Fahrzeug</strong>s<br />

(x, y, θ, ϕ) auch die momentanen Geschwindigkeiten zählen. Im Verlauf dieser Arbeit wird State wie

Hurra! Ihre Datei wurde hochgeladen und ist bereit für die Veröffentlichung.

Erfolgreich gespeichert!

Leider ist etwas schief gelaufen!