A Real-time Spatio-Temporal Trajectory Planner for Autonomous Vehicles with Semantic Graph Optimization
作者: Shan He, Yalong Ma, Tao Song, Yongzhi Jiang, Xinkai Wu
发布时间: 2025-02-27
来源: arxiv
研究方向: 自动驾驶导航，运动和路径规划，智能交通系统
主要内容
本文提出了一种基于语义时空图的实时时空轨迹规划方法，用于解决复杂城市环境中自动驾驶车辆的轨迹规划问题。该方法通过构建语义时空图，利用感知模块的多模态信息，实现静态和动态障碍物的有效处理，并通过图优化算法生成可行轨迹。
主要贡献
1. 提出了一个新的多维语义时空图，可以优化静态和动态语义环境的表示。
2. 提出了一种基于图优化的时空规划器，可以区分处理多模态障碍物。
3. 进行了大量实验，验证了所提出的实时规划器的有效性，并将代码发布供研究社区使用。
研究方法
1. 语义时空图构建：包括静态障碍物处理和动态障碍物处理。
2. 超图生成和优化：构建语义时空超图，并使用图优化算法进行优化。
3. 图优化算法：使用g[2]o求解器进行图优化，以实现实时性能。
实验结果
实验结果表明，该方法可以有效地处理复杂城市道路场景，并具有实时计算性能。与现有方法相比，该方法在安全性和效率方面都有所提高。
未来工作
未来将设计匹配的行为规划器，以提供更好的初始值并调整参数以适应场景变化，以实现更好的性能。此外，还可以将更多类型的约束（如社会关系）纳入图优化的边中，以进一步提高轨迹规划。