Bahnplanungsframework für ein autonomes Fahrzeug - oops ...
Bahnplanungsframework für ein autonomes Fahrzeug - oops ...
Bahnplanungsframework für ein autonomes Fahrzeug - oops ...
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