解读Autoware.Universe规划模块:Behavior Path Planner

Autoware.universe部署05:实车调试 本文介绍了 Autoware.universe 在实车上的部署,`/sensing/lidar/top/outlier_filtered/pointcloud`和`/sensing/lidar/concatenated/pointcloud`(frame_id均为`base_link`),下面的/carla_pointcloud_interface节点会将/Carla_pointcloud转化, `/sensing/lidar/top/outlier_filtered/pointcloud`用于定位,`/s 阅读详情
AI摘要

本文深入解析Autoware.Universe的Behavior Path Planner模块,涉及车道跟随、车道变换、避障、靠边停车、路边起步等场景的详细算法和实现。行为树机制用于管理模块激活,确保在各种交通状况下生成安全路径。避让算法包括单个和多个物体情况,平滑路径生成以避免碰撞。靠边停车和路边起步涉及复杂的路径规划和安全检测。

解读Autoware.Universe规划模块:Behavior Path Planner

更新日期:2022年11月23日

前言

Autoware 是世界领先的自动驾驶开源软件架构1。Autoware 是基于 ROS 环境开发,大规模地促进了自动驾驶的商业部署。2022年,Autoware Foundation 官方发布了基于 ROS2 的更新版本,其中

  • Autoware.Auto 2 是继 Autoware.AI 之后到基于 ROS2 的升级版本。
  • Autoware.Universe 3 则是为研究者和开发者建立的一个更具有试验性和更前沿的 ROS packages的存储库(repository)。
  • Autoware.Core 是基于 Autoware.Auto 和 Autoware.Universe,是高质量和稳定的 ROS packages 的主要存储库(main repository)。(目前还是空的,会逐渐从 Autoware.Universe 导入代码。)

本系列文章以翻译 Autoware.Universe 的官方文档4为基础,首先力求传达准确,再行扩展。在专业术语的表达上,尽量尊重原文,往往以中文翻译(原英文表达)的形式,在找不到合理的翻译的情况,则直接使用原英文术语。

笔者从开发者的角度,不希望只是笼统地照搬原文档,会适当加入自己的理解和笔记。更重要的是,概念要和实践相结合。理论很美好,我感兴趣的是,实际应用的效果如何,所以可以预期在每个主题中都会有一些代码级的实践和记录。

文章列表

行为路径规划器(Behavior Path Planner)

原始文档:Autoware.Universe官方文档:Behavior Path Planner 5

目的(Purpose)

behavior_path_planner 模块负责生成

  1. 基于交通状况的路径(path),
  2. 车辆可以移动的可行驶区域(drivable area)(在路径消息中定义),
  3. 将被发送到车辆接口的转向信号(turn signal) 命令。

场景(Use cases)

根据情况,系统会选择合适的场景模块,在行为树(behavior tree)系统上执行。

目前以下场景模块是被支持的:

  • 车道跟随(Lane Following):从地图生成车道中心线。
  • 车道变换(Lane Change):执行车道变换。该模块在必要时执行,并清除与其他车辆的碰撞检测。
  • 避障(Obstacle Avoidance):执行避障。该模块用于避让停在车道边缘的车辆或超越(overtake)低速障碍物。
  • 靠边停车(Pull Over):执行路边停车。当自车在道路车道上并且目标在路肩车道(shoulder lane)上时执行此模块。自车将停在目标位置。
  • 路边起步(Pull Out):执行路边起步。当自车静止并且自车的车身包含在路肩车道(shoulder lane)中时执行此模块。当自车并入道路时,该模块结束。
  • 侧向平移(Side Shift):(用于远程控制)根据外部指令将路径向左或向右移动。

对以下模块的支持目前还在开发中:

  • 自由空间(Free Space): NA.

当前支持的部分场景
图片:当前支持的部分场景

设计

暂空。

输入 / 输出 / 接口

输入

  • /planning/mission_planning/route [autoware_auto_planning_msgs/HADMapRoute] : 当前从起始位置到目标位置的路线。
  • /map/vector_map [autoware_auto_mapping_msgs/HADMapBin] : 地图信息。
  • /perception/object_recognition/objects [autoware_auto_perception_msgs/PredictedObjects] : 从感知获取的动态物体。
  • /perception/occupancy_grid_map/map [nav_msgs/msg/OccupancyGrid] : 从感知模块得到的占据网格地图(occupancy grid map),仅用于靠边停车模块。
  • /tf [tf2_msgs/TFMessage] : 用于自车位姿。
  • /localization/kinematic_state [nav_msgs/Odometry] : 用于自车速度。
  • path_change_approval [std_msgs::Bool] : 用于远程控制。
  • path_change_force [tier4_planning_msgs::PathChangeModule] : 用于远程控制。

输出

  • path [autoware_auto_planning_msgs/PathWithLaneId] : 由模块生成的路径。
  • path_candidate [autoware_auto_planning_msgs/Path] : 模块将要采用的路径。获得外部批准后立即执行。
  • turn_indicators_cmd [autoware_auto_vehicle_msgs/TurnIndicatorsCommand] : 转向指示灯命令。
  • hazard_lights_cmd [autoware_auto_vehicle_msgs/HazardLightsCommand] : 危险信号灯命令。
  • force_available [tier4_planning_msgs/PathChangeModuleArray] :(用于远程控制)可强制执行的模块。
  • ready_module [tier4_planning_msgs/PathChangeModule] : (用于远程控制)准备执行的模块。
  • running_modules [tier4_planning_msgs/PathChangeModuleArray] : (用于远程控制)当前运行的模块。

内部工作 / 算法

可行驶区域生成(Drivable Area Generation)

被量化的可行驶车道被绘制成可行驶区域,其分辨率为 drivable_area_resolution。为了防止量化导致规划模块不稳定,可行驶区域的位姿遵循以下规则。

  • 在地图坐标中生成可行驶区域。
  • 它的位置用 drivable_area_resolution 量化。
  • 它的方向为 0。

可行驶区域的大小动态变化,以实现降低计算成本和覆盖足够多的车道。对于第二个目的,可行驶区域覆盖一定长度的前向和后向车道,余量(margin)由一些参数来定义。

用于可行驶区域生成的参数
参数名 单位 类型 描述 默认值
drivable_area_resolution [m] double 可行驶区域图像的分辨率 0.1
drivable_lane_forward_length [m] double 可行驶区域覆盖的自车前向车道的长度 50.0
drivable_lane_backward_length [m] double 可行驶区域覆盖的自车后向车道的长度 5.0
drivable_lane_margin [m] double 可行驶区域覆盖的自车前向和后向车道余量 3.0
drivable_area_margin [m] double 可行驶区域的宽度和高度的余量 6.0

行为树(Behavior Tree)

在行为路径规划器中,行为树机制用于管理在哪些情况下激活哪些模块。总的来说,随着未来添加越来越多的模块,这种类似“行为管理器”的函数可以预期会变得更大。为了提高可维护性,我们采用了行为树。行为树具有以下优点:易于可视化,易于配置管理(可以通过替换配置文件来改变行为),与状态机相比具有较高的可扩展性。(笔者写有专门的文章比较行为树和状态机。6)

当前的行为树结构如下图所示。每个模块(LaneChange、Avoidance 等)都具有 Request、Ready 和 Plan 节点作为通用功能。

  • Request:检查是否有来自模块的请求(例如 LaneChange 会在有多车道且车辆不在首选车道上时发出请求),
  • Ready:检查执行计划是否安全(例如,当 lane_change 路径与 S-T 空间上的其他动态对象没有任何冲突时,LaneChange 准备就绪)。
  • Plan:计算路径并将其设置为行为树的输出。它将会处于 running 状态,不会跳转到其他模块,直到内部状态返回 SUCCESS。
  • ForceApproval:一个车道变换专有的节点,当从外部发出强制车道变换命令时,它会覆盖 Ready 的结果。

当前的行为树结构
图片:当前的行为树结构

车道跟随(Lane Following)

从路线的中心线生成路径。

特殊情况

对于需要车道变换的路线,生成的路径与车道末端有特定的距离余量(默认:12.0 m),以确保车道变换的最小距离。 (此功能不仅适用于车道跟随,而且适用于所有模块。)

车道跟随的特殊情况
图片:车道跟随的特殊情况

车道变换(Lane Change)

当需要车道变换并可以安全执行时,车道变换模块会被激活。

启动车道变化条件(需要满足以下所有条件)
  • 车道变更请求条件
    • 自车不在首选车道(preferred_lane)上
    • 车道变换路径上既无交叉路口也无人行横道
  • 车道变换就绪状态
    • 车道变换路径不与其他物体发生碰撞(见下图)
    • 操作员允许车道变换
结束车道变换条件(需要满足以下所有条件)
  • 车辆移动到目标车道后经过一定距离(默认:3.0 m)。
  • 在 base_link 超过白色虚线之前,预测与对象发生碰撞(仅当 enable_abort_lane_change 为真时。)
    • 然而,在当前速度低于 10km/h 并且自车接近车道末端时,车道变换不会中止,自车会
解读Autoware.Universe规划模块:Mission Planner Mission Planner 负责计算出一条从当前自车位姿(current ego pose)起沿着给定的检查点导航至目标位姿(goal pose)的路线。该路线由静态地图上的一系列车道组成。路线规划不考虑动态物体(如行人和其他车辆)和动态地图信息(如阻塞部分车道的道路施工区域)。因此,输出主题仅在给出目标位姿或检查点时才发布,并将被锁定,直到给出新的目标位姿或检查点。 阅读详情

相关推荐

基于Unity与开源工具链的Autoware矢量地图制作实战指南

高精地图是自动驾驶系统实现精准定位与路径规划的核心基础,其本质是对道路环境进行结构化、语义化的数字描述。传统地图制作往往依赖昂贵的商业软件或命令行工具,流程复杂且可视化程度低。本文聚焦于矢量地图(Vector Map)的生成原理,提出一套结合工程实践的开源解决方案。通过利用Unity引擎强大的3D可视化编辑与脚本扩展能力,构建了一套从原始传感器数据(如RTK轨迹、激光点云)处理、地图元素可视化编辑,到最终导出为Autoware标准格式的完整工具链。该方案解决了地图制作流程中可控性差、效率低下的痛点,实现了从

weixin_33696822的博客 405

【一看就会】Autoware.universe的“规划”部分源码梳理【三】(behavior_path_planner第二部分)

书接上文,上一篇讲完了behavior_path_planner中的behavior_path_planner主程序,在主程序的运行过程中,调用了behavior_path_planner_common中的data_manager,scene_module_interface,steering_factor_interface,scene_module_manager_interface,scene_module_visitor。

weixin_48386130的博客 1429

Autoware.Universe 规划(planning)】route_handler:路线几何查询“工具箱”全解

route_handler 是 Autoware 规划系统的“路线几何与拓扑查询中枢”。它把 Lanelet2 地图与 LaneletRoute 组织成可直接使用的查询接口,并为下游规划器提供中心线生成、邻接车道查询、路径规划与可行性判定等能力。理解它,就等于理解了 Autoware 规划栈如何把“地图 + 路线”转化为“可执行路径”。

weixin_56464957的博客 51

Autoware.universe节点图

Autoware.universe节点图,各节点逻辑关系图,SVG格式,可用浏览器打开,可搜索。

autoware.universe

autoware.universe vcs import src < autoware.repos 网络问题下载不下来

universe design tool 和information design tool的区别

Identify the differences between the universe design tool and the information design tool universe design tool 和 information design tool的区别 universe design 工具和information design工具的区别 UDT和IDT的区别

MIA文献阅读 —— 深度学习在医学图像分析中的最新进展及临床应用【2024】_再现性;深度学习

coderVAEVAEVAE) (Kingma威林,2014)在概率性的工作方式学习观测数据之间的映射空间x∈Rmx∈R^mx∈Rm 和潜在的空间z∈Rnmnz∈Rn(m>>n)。作为一个潜变量模型,VAEVAEVAE制定这个问题作为观察样品的最大化对数似logpxlog∫px∣zpzdzpx∣zp (x | z)p(x∣z)可以很容易地使用神经网络建模,和pzp (z)

2401_84181704的博客 1244

泛微E9统一待办接口说明

需要第三方表单,在提交自己的流程后,通过【window.location.href=‘oa地址/workflow/request/ViewRequestOS.jsp?需要第三方表单,在提交自己的流程后,通过【window.location.href=‘oa地址/workflow/workflow/WfRefreshList.jsp’】通过中转页面与第三方系统对接,按照第三系统的验证方式开发中转页面中的程序。C)第三方根据相同的数据加密,结果一致就认证成功,打开流程。优点:可以灵活的对接各个系统。

泛微二次开发后端知识总结 6453

【智能座舱测试实战】从入门到精通:集成测试与专项测试全解析

本文深入解析智能座舱测试的集成测试与专项测试实战技巧,涵盖功能验证、性能指标及用户体验保障。通过实际案例和测试策略,如'洋葱模型'和'三明治法则',帮助工程师掌握智能座舱测试的核心要点,提升测试效率与质量。

kiwi8的博客 188

MATLAB随机生成m个三维坐标点,且各个坐标点之间的距离不小于n

randi函数 randi(max,m,n); %生成均匀分布的随机整数,max生成的随机整数最大值,生成m行n列的矩阵 编写函数sampling function [x,y,z]=sampling(lowx,upx,lowy,upy,lowz,upz,m,n) %该函数用来产生不重复的随机整数矩阵 %low—随机整数下界;up—随机整数上界;m—坐标点个数;n—各个坐标点之间的最小距离 %编...

qq_45384561的博客 9438

CANoe之UDS诊断自动化测试(四):创建诊断自定义Panel发送诊断(替代Session Control窗口)

通过自定义的Panel界面实现诊断发送的功能,并且还可以根据自己的测试需求添加需要的诊断信息,使用非常灵活。

weixin_69677286的博客 1910

论文工具——写论文好用的绘图工具(甘特图+流程图+网络模型图+泳道图)

* 在写HiFi-GAN论文的代码阅读过程中,我发现仅仅通过文字来描述网络结构,不够详细,所以想绘制出网络结构图,更加具象化的描述出网络结构。想去花了,才发现之前都是通过在线绘图网站画的,费时费力,所以想找一些专门的网站化出比较规范并且高质量的图。一方面是为了方便讲解,提高论文的质量,另外一方面也是为了以后写论文打下良好的基础。 * 这篇文章会根据我以前的画图经验展开,以前是使用绘图软件,手动绘图。后来,看到了其他的方法,但是需要写一些代码,或者需要安装特定的软件,投入成本太大,就没有学。所以,本文分享的工

Blackoutdragon的博客 1万+

redhawk:STA timing data file解析

我正在「拾陆楼」和朋友们讨论有趣的话题,你⼀起来吧?STA timing data file分为以下几个部分:• Header• Name Map• Footer这部分报告设计的基本信息,例如文件类型,设计名称,分隔符等。...

m0_61544122的博客 1164

【EB_Tresos专题】-06-配置一个UDS诊断DID

<--返回「Autosar_BSW高阶配置」总目录--> <--返回「Autosar_BSW高阶配置」专栏主页--> <--返回「个人博客」首页--> <--返回「Autosar_BSW高阶配置」总目录--> <--返回「Autosar_BSW高阶配置」专栏主页--> <--返回「个人博客」首页--> 结尾 ...

「汽车电子助手」的博客 4091

Camera2Demo

在Camera2 的基础上进行封装,使得Camera2一堆初始化逻辑与Activity分离,降低耦合度,完成预览拍照并保存的操作

温度PID控制PLC程序

温度PID稳定控制程序,适用于欧姆龙PLC,对其他PLC也具有很大参考价值

计算机控制技术及应用

《计算机控制技术及应用》通过总结作者的科研成果和吸收国内外的先进理论、方法和技术,以计算机控制系统的网络化、开放化、智能化和集成化发展趋势为主线索,主要介绍计算机控制系统的基本概念和计算机控制系统的典型形式,计算机控制系统的数学描述与基本分析方法,以及数字PID控制器、最少拍控制系统、达林算法、状态变量设计法等设计方法及其各种改进算法。重点突出计算机控制系统输入输出通道接口的设计方法和典型控制系统的设计案例与实现方法等。

jre9下载 jdk9

(Java SE Runtime Environment 9.0) 9.0u175 官方最新版 【x86|x64】

上一篇: Autoware.Universe:如何在Carla 0.9.13上运行
CasperAuto
博客等级 码龄12年 87粉丝 6原创
评论 1
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值
⌂ 换网址