Алгоритм A*, интерполяция и контроллер MPC
Этот документ содержит реализацию Python автоматизированной системы параллельной парковки в виртуальной среде, включая планирование пути, отслеживание пути и параллельную парковку. Агент перемещается по своему маршруту в окружающей среде и направляется контроллером MPC к назначенному месту парковки. Ты сможешьэто здесьНайдите полный проект.
окрестности
Первым шагом в разработке автоматизированной системы парковки является проектирование и разработка среды, способной к визуальному рендерингу с использованием библиотеки OpenCV. Эта среда реализована как класс в environment.py и в начале получает препятствия env = Environment(obs). Прокси можно разместить с помощью env.render(x, y, angle).
Пример среды показан ниже. Вы можете выбрать парковочное место от 1 до 24.
план маршрута
Алгоритм А*
Агент будет использовать A*, чтобы найти путь от источника к цели. это изPythonRoboticsРеализация A* учитывает такие параметры, как препятствия и радиус действия робота.
Интерполировать пути с помощью B-сплайна
Найдя путь в дискретном пространстве 100*100, используйте B-сплайн, чтобы сгладить путь и масштабировать его до пространства среды 1000*1000. Результатом является набор точек для руководства нашего агента!
medium.com/Media/3 О, 7 Baidu…
трассировка пути
машиныкинематическая модельда.
x = vcos(ϕ)
вектор состоянияда.
z=[x,y,v,ϕ]
x: позиция x, y: позиция y, v: скорость, φ: угол рыскания
входитьвектор
u=[a,δ]
A: Ускорение, Δ: Угол рулевого управления
метод управления
Контроллер MPC управляет скоростью и рулевым управлением автомобиля в соответствии с моделью, а автомобиль направляется по пути. Один из вариантов — использовать линеаризованную модель MPC. В этом случае MPC линеаризует кинематическую модель вокруг рабочей точки, а затем оптимизирует ее.
автоматическая парковка
Эта часть состоит из 4 правил, которые агент должен выбрать в зависимости от места парковки. Сначала агент найдет путь к месту парковки, а затем рассчитает угол прихода. В зависимости от угла прихода агент выбирает гарантированную координату 1. После этого используйте 2 круговых уравнения, упомянутых ниже, чтобы спланировать путь парковки от обеспечения 1 до обеспечения 2. MPC контролирует агента и паркует машину в координатах, обеспечивающих 2.
Суммировать
ты можешь начатьGithubЗагрузите весь проект и используйте эту команду для запуска кода.
$ python main_autopark.py --x_start 0 --y_start 90 --phi_start 0 --parking 7
Видно, что автомобиль, управляемый контроллером MPC, следует по своему пути, пока не достигнет точки остановки в окружающей среде. Наконец, автомобиль выравнивается с другими транспортными средствами и останавливается в указанном месте.
команда панд Занял первое место в автономных транспортных средствах на Национальном конкурсе Рахнешан 2020–2021 гг.
Amirhossein Heydarian, Aida Mohammadshahi,Milad Soltany,Abbas omidi, Amirhossein Kazerooni
Автоматическая параллельная парковка. Планирование пути, отслеживание пути и контроль»Первоначально опубликовано вперейти к науке о данных"Журналначальство, люди продолжают беседу, выделяя историю и отвечая на нее.