Author: Joonhee Lim
Date: 2022/09/07
출처: https://velog.io/@legendre13/Optimal-Frenet-planning-algorithm
https://tonylim.tistory.com/63
0. Motivation
자율주행 Planning에 대해서 공부하던 중 Frenet Frame과 이를 이용한 Planning 알고리즘에 대해 정리해보고자 한다. 해당 Frame은 도로 형상의 방향으로 s-axis 가 도로와 수직방향으로 d-axis가 펼쳐져서 작관적이고 편리하다는 장점이 있다.
1. Frenet Frame Planning Algorithm
1) 좌측은 Cartesian Frame 우측이 Frenet Frame

기존의 공간 곡선은 r(t)=x(t)i+y(t)j+z(t)k로 나타내지만 이 곡선을 새로운 벡터 T, N, B를 통해 해석할 수도 있다.
이것이 Frenet Frame이다. 정의는 다음과 같다.
주어진 곡선은 모든 점에서 미분가능한 매끄러운 곡선이고 곡률은 0이 아니다.
변수 t에 대한 미분으로 곡률과 비틀림을 구하는 공식을 알아두어야 한다.

2) Frenet Frame 상에서 Polynomial Path를 생성

- 횡방향, 종방향 : initial value xi,vi,ai와 target value xf,vf,af와 target time T로 5차 다항식 계산
- 속도 유지 : initial value xi,vi,ai와 target value xf,vf,af와 target time T로 4차 다항식 계산

d(t): 중심으로부터 횡거리
nr,tr: reference path의 법선, 접선벡터
다음과 같이 횡방향, 종방향 각기 다른 경로가 생성되면 이 둘을 합쳐서 진짜 경로를 뽑아낸다.

수 많은 경로 중 가장 조건에 알맞은 Trajectory를 선택하면 된다.
3) Trajectory Check
- 속도 제한 체크: s′(t)<=s′limit
- 가속도 제한 체크: s″
- curvature 제한 체크: k는 [k_{min},k_{max}]
- collision 체크 : Euclidean distance-based check
4) Optimal Trajectory selection
- 종방향 Cost
- longitudinal jerk : 종 방향 안정감
- veltocity deviation : 타켓 속도와 얼마나 근접하였는지
- time interval : 얼마나 빨리 조건에 도달하였는지

- 횡방향 Cost
- lateral jerk : 횡 방향 안정감
- time interval : 얼마나 빨리 조건에 도달하였는지
- terminal lateral deviation : 이전 optimal 경로와의 변화, 경로 떨림 방짐

- Total Cost

일반적으로 사람들은 횡방향에 더 민감하게 반응하기 때문에 편의를 위해 횡방향 Cost에 Weight를 더 많이 부가하는 편이다.
1) Waypoint들을 Cubic spline Planner로 rx,ry,ryaw, rk(곡률)을 만들어내고
2)
'Autonomous Driving' 카테고리의 다른 글
[AD] PRM(Probabilistic Road-Map) 알고리즘 설명 (0) | 2022.09.13 |
---|---|
[AD] 자율주행 시뮬레이터 비교 (0) | 2022.09.13 |
[AD] Potential Field Algorithm 설명 (0) | 2022.09.07 |
[AD] DWA(Dynamic Window Approach) vs TEB(Timed-Elastic-Band) 알고리즘 비교 (0) | 2022.09.07 |
[AD] D*(Dynamic A*) 알고리즘 설명 (0) | 2022.09.03 |