Bahnplanungsframework für ein autonomes Fahrzeug - oops ...

Weitere Magazine

Empfehlungen

Info

IV Inhalt 5.2.1 State Lattice . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47 5.2.2 Online Sampling . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49 5.3 Ergebnisse und Evaluation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 50 6 Suchalgorithmen 53 6.1 A* . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 54 6.2 Heuristische Funktion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 58 6.2.1 Weglassen der Heuristik . . . . . . . . . . . . . . . . . . . . . . . . . . . . 58 6.2.2 Euklidischer Abstand . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 59 6.2.3 Gewichteter Abstand . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 60 6.2.4 Gewichtete Orientierung . . . . . . . . . . . . . . . . . . . . . . . . . . . . 63 6.2.5 Kreisbogenabstand . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 65 6.3 Datenstrukturen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 68 6.3.1 Skew Heap . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 69 6.3.2 Sortierte Liste . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 72 6.3.3 Octree . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 73 6.4 Hierarchische Suche . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 76 6.4.1 Gridsuche . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 76 6.4.2 Theta* . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 77 6.5 Ergebnisse und Evaluation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 79 7 Reeds Shepp 83 7.1 Reeds Shepp . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 84 7.1.1 Konstruktion: Äußere Kreistangenten . . . . . . . . . . . . . . . . . . . . . 85 7.1.2 Konstruktion: Innere Kreistangenten . . . . . . . . . . . . . . . . . . . . . . 86 7.2 Continuous Steering . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 87 7.2.1 Konstruktion: µ-Tangenten . . . . . . . . . . . . . . . . . . . . . . . . . . . 88 8 Fazit und Ausblick 91 Glossar Abkürzungen Abbildungen Tabellenverzeichnis Literatur I III V IX XI
1 1 EINLEITUNG Zunächst wird das Thema motiviert und der Aktuelle Stand aufgezeigt. Danach wird die Problemstellung dieser Arbeit erläutert und das verwendete System. Letztlich wird eine kurze Übersicht der Kapitel dieser Arbeit genannt. 1.1 MOTIVATION Die Bahnplanung ist ein wichtiges Thema in der Robotik. Es gibt zahlreiche Algorithmen die dieses Problem angehen. Diese haben auch meist viele verschiedene Parameter, die den Algorithmus auf vielerlei Weisen modifizieren können. Aufgrund vieler verschiedener Algorithmen ist die Entscheidung für einen nicht einfach, ohne diesen vorher zu testen. Das Bahnplanungsframework soll dieses Problem vereinfachen, da durch graphische Programmierung rapid prototyping betrieben werden kann. Die Simulation des Frameworks erlaubt eine visuelle Betrachtung der Arbeitsweise verschiedener Algorithmen. In dieser Simulation können statische Szenarien editiert werden, indem Hindernisse hinzugefügt werden und somit eine Bahn um diese geplant werden muss. Die Statistikauswertung der Algorithmen bietet einen Blick auf die Arbeitsweise, zeigt durch Zeitmessungen verschiedener Zugriffszeiten Schwächen auf und somit Verbesserungsansätze für diese Algorithmen. Die Schwierigkeit der Bahnplanung entsteht bei den kinematischen Einschränkungen von Fahrzeugen mit Lenkachse (Furtuna et al. 2008 [8]). Das Fahrzeug kann nur bis zu einem maximalen Lenkwinkel einschlagen, wodurch ein minimaler Wendekreis resultiert und beim Planen in engen Gassen zu Problemen führen kann. Auch das Erreichen des maximalen Lenkeinschlags ist durch den mechanischen Servomotor, der das Lenkrad bewegt, physikalisch in der Geschwindigkeit begrenzt, so dass man aus gerader Fahrt nicht sofort den maximalen Lenkwinkel einschlagen kann. Durch die letztere Einschränkung, kann man folgern, dass Geraden und Kreisbögen allein nicht ausreichen und man mathematisch Komplexere Funktionen benutzen muss, um das Problem zu lösen. 1.2 AKTUELLER STAND Das Thema Bahnplanung gliedert sich in mehrere kleine Teilbereiche, die im Verlauf dieser Arbeit aufgezeigt werden und getrennt von einander betrachtet werden können, weil in jedem dieser Teilbereiche eigene Algorithmen ausgetauscht werden können. In erster Linie gibt es den Bereich der Motion Primitiven (siehe Kapitel 4), die für die Berechnung der elementaren Bewegungsprimitiven zuständig sind, die von einem Fahrzeug abfahrbar sind. Die Entwicklung in diesem Bereich ging von Berechnung über Geraden (Tsumura et al. 1986 [40]), Kreisbögen (Komoriya, Tachi & Tanie 1986 [20]), Klothoiden (Tounsi & Le Corre 1996 [39]) bis hin zu kubischen Spiralen (Kanayama & Hartman 1989 [16], Kelly & Nagy [17]). Schon vorher wurde mit
Seite 1: Fakultät II - Informatik, Wirtscha
Seite 5: III INHALT 1 Einleitung 1 1.1 Motiv
Seite 9 und 10: 1.4 Verfügbares System 3 1.4 VERF
Seite 11 und 12: 5 2 GRUNDLAGEN Der Teil „Ackerman
Seite 13 und 14: 2.1 Ackermann Modell 7 Die Orientie
Seite 15 und 16: 2.2 Objekterkennung 9 Beim Messen a
Seite 17 und 18: 2.3 Kollisionserkennung 11 2.3 KOLL
Seite 19 und 20: 2.3 Kollisionserkennung 13 Sei das
Seite 21 und 22: 2.3 Kollisionserkennung 15 Berechnu
Seite 23 und 24: 2.3 Kollisionserkennung 17 2.3.3 SC
Seite 25 und 26: 2.4 Regelung 19 2.4 REGELUNG Die Re
Seite 27 und 28: 2.4 Regelung 21 (a) Kreisbahn (b) G
Seite 29 und 30: 2.4 Regelung 23 a = v t ≈ 1.4 m s
Seite 31 und 32: 2.4 Regelung 25 In einem Simulation
Seite 33 und 34: 27 3 ENTWICKELTES FRAMEWORK Die Abb
Seite 35 und 36: 3.2 Vehicle Parameters 29 (a) State
Seite 37 und 38: 3.3 Statistik 31 (Abb. 3.5): Statis
Seite 39 und 40: 33 4 MOTION PRIMITIVES Eine Motion
Seite 41 und 42: 4.3 Klothoide 35 Konstante Krümmun
Seite 43 und 44: 4.3 Klothoide 37 ∫ l ( ) σt 2 x(
Seite 45 und 46: 4.4 Continuous Steering 39 4.4 CONT
Seite 47 und 48: 4.5 Verbindungen 41 (Abb. 4.7): Gra
Seite 49 und 50: 43 5 SAMPLING Sampling beschäftigt
Seite 51 und 52: 5.1 Control Space 45 S = {M i,j |
Seite 53 und 54: 5.2 State Space 47 Konfiguration de
Seite 55 und 56: 5.2 State Space 49 Vergleicht man d
Seite 57 und 58:
5.3 Ergebnisse und Evaluation 51 St
Seite 59 und 60:
53 6 SUCHALGORITHMEN Bisher wurden
Seite 61 und 62:
6.1 A* 55 A* operiert auf zwei List
Seite 63 und 64:
6.1 A* 57 47 Node otherWay = GetNod
Seite 65 und 66:
6.2 Heuristische Funktion 59 Wo der
Seite 67 und 68:
6.2 Heuristische Funktion 61 A* mit
Seite 69 und 70:
6.2 Heuristische Funktion 63 6.2.4
Seite 71 und 72:
6.2 Heuristische Funktion 65 6.2.5
Seite 73 und 74:
6.2 Heuristische Funktion 67 (a) Eu
Seite 75 und 76:
6.3 Datenstrukturen 69 6.3.1 SKEW H
Seite 77 und 78:
6.3 Datenstrukturen 71 A 1 A.l 5 A.
Seite 79 und 80:
6.3 Datenstrukturen 73 p u b l i c
Seite 81 und 82:
6.3 Datenstrukturen 75 (Abb. 6.17):
Seite 83 und 84:
6.4 Hierarchische Suche 77 (a) Adap
Seite 85 und 86:
6.5 Ergebnisse und Evaluation 79 6.
Seite 87 und 88:
6.5 Ergebnisse und Evaluation 81 An
Seite 89 und 90:
83 7 REEDS SHEPP In den ersten Kapi
Seite 91 und 92:
7.1 Reeds Shepp 85 7.1.1 KONSTRUKTI
Seite 93 und 94:
7.2 Continuous Steering 87 Die Kons
Seite 95 und 96:
7.2 Continuous Steering 89 Somit m
Seite 97 und 98:
91 8 FAZIT UND AUSBLICK Das Bahnpla
Seite 99 und 100:
I GLOSSAR Nachfolgend sind noch ein
Seite 101 und 102:
III ABKÜRZUNGEN ATF DGPS FTF GPS L
Seite 103 und 104:
V ABBILDUNGEN 1.1 Testfahrzeuge. .
Seite 105 und 106:
VII 6.12 Satz des Thales: Alle Wink
Seite 107 und 108:
IX TABELLENVERZEICHNIS 5.1 Messdate
Seite 109 und 110:
XI LITERATUR [1] DEAN, T., AND BODD
Seite 111 und 112:
XIII [32] REEDS, J. A., AND SHEPP,
Seite 113:
VERSICHERUNG Hiermit versichere ich
Alle anzeigen

Bahnplanungsframework für ein autonomes Fahrzeug - oops ...

Erfolgreiche ePaper selbst erstellen

Template löschen?

Als Template speichern?