碰撞检测技术介绍怎么写(碰撞检测技术介绍)
自动驾驶决策规划模块中会经常使用到碰撞检测计算分析Ego vehicle行为的安全性 ,并且可以用在planning计算的多个方面 。例如下图中第一幅图 ,黄色车辆为主车 ,灰色车辆为交通参与车辆 ,其中一辆车辆在前方静止 ,另一辆车辆意图向右变道行驶 。在此场景下 ,碰撞检测算法可以用来计算路径规划的SL边界值 ,如下图中第二幅图 。也可以用来计算路径的安全走廊 ,如下图中的第三幅图 。也可计算速度规划的ST图 ,如下图中的第四幅图等等 。虽然碰撞检测在planning中是一个小算法模块 ,但是却至关重要 。
本文将对常用的碰撞检测算法进行介绍 ,并简要的进行benchmark 。在planning中一般将主车以及障碍物处理为凸多边形(Polygon/Box) ,因此碰撞检测多是检测两个Polygon是否重叠,但是为了不失一般性 ,本文也将介绍Polygon和Point的位置关系计算方法 ,因为在两个Polygon的位置关系计算中可能会用到 。
本文介绍的碰撞检测方法有: Box和Point的碰撞检测: OpenCV方法; 射线法; 轮廓六分圆法; Box和Box的碰撞检测: OpenCV方法; SAT(分离轴定理); GJK;1. Box和Point的碰撞检测
1.1 OpenCV
此方法使用了OpenCV开源库中的图像处理的方法,可以简要分为以下计算步骤:
根据碰撞检测环境范围(矩形) ,建立两个cv::Mat数据; 将ADC位置或者轨迹车辆投影转化到cv::Mat中 ,被ADC占据位置数据设置为1(非零) ,其他为0; 将障碍物投影转化到cv::Mat中 ,被据位置数据设置为1 (非零) ,其他为0; 两个cv::Mat进行求与操作 ,得到的cv::Mat中数据如果有非0数据 ,则发生碰撞;1.2 射线法
判断一个点是否在多边形内 ,我们可以从该点引出一条水平射线(任意射线都可 ,但水平便于计算) ,观察射线与多变形的交点个数 ,如果交点个数为奇数 ,则该点在多边形内,如果为偶数则在多边形外 。如下左图所示 ,判断点P和多边形的关系 ,从点P得到一个水平向右的射线,通过多边形的每两个相邻顶点可以得到边的直线方程 ,例如
P
1
P
2
P_1P_2
P1P2 ,有y
y_0
y0可以计算得到点B的坐标 ,就可以判断射线是否与P
1
P
2
P_1P_2
P1P2相交了 。此方法对多边形的凸凹性没有要求 ,但是如果点P在多边形边上或者顶点需要特殊处理 。
struct Point{ double x, y; }; bool IsInPolygon(Point p,Point *ptPolygon,int ncount) { int ncross = 0; for (int i = 0; i < ncount; i++) { Point p1 = ptPolygon[i]; Point p2 = ptPolygon[(i + 1) % ncount]; //相邻两条边p1,p2 if (p1.y == p2.y) continue; if (p.y < min(p1.y, p2.y)) continue; if (p.y >= max(p1.y, p2.y)) continue; double x = (p.y - p1.y)*(p2.x - p1.x) / (p2.y - p1.y) + p1.x; if (x > p.x) ncross++; //只统计单边交点 } return(ncross % 2 == 1); }1.3 轮廓六分圆法
此方法是将矩形的碰撞检测转化为圆之间的碰撞检测 ,通过两个圆的半径和圆心之间的距离判断两个圆是否重叠 。给定车辆矩形轮廓 ,该算法首先计算矩形轮廓的外接圆 ,然后将整个矩形区域分解成与四个角点对齐的同等大小的正方形 ,轮廓矩形区域剩下的部分再进一步分解成等大小的小矩形 ,最后计算每一个小矩形或正方形的外接圆[1]。
此方法的计算精度损失较大 ,并且和矩形的长宽比例有关 ,可以看到当矩形为正方形时误差最小 。此外此方法可以使用更多的圆计算矩形 ,并且更改圆的覆盖方法,但并不能彻底消除误差 ,同时更多的圆会增大计算时间 。矩形长度对横向误差影响较大; 矩形宽度对纵向误差影响较大;
2. Box和Box的碰撞检测
2.1 OpenCV方法
和上述方法一致。
2.2 SAT
如果凸多边形在某个轴上的投影不重叠 ,则两个凸多边形不相交 。需要对所有的轴(每个边的法向量)进行投影,存在一个轴上的投影不相交 ,则两个凸多边形不相交 。如果所有轴上的投影都相交 ,则多边形相交 。
见之前的文章:Planning-碰撞检测之分离轴定理(SAT)
此外 ,SAT也可以用来计算Box和Point的位置关系 。2.3 GJK
G
J
K
GJK
GJK是基于M
i
n
k
o
w
s
k
i
Minkowski
MinkowskiS
u
m
Sum
Sum概念上的 ,即形状1的所有点和形状2的所有点之和 。
A
+
B
=
{
a
+
b
∣
a
∈
A
,
b
∈
B
}
A + B = \{a + b | a \in A, b \in B \}
A+B={a+b∣a∈A,b∈B} 如果s
h
a
p
e
A
shape A
shapeA和B
B
B是凸的 ,则它们的和也是凸的
相应的可以定义它们的差运算:
A
−
B
=
{
a
−
b
∣
a
∈
A
,
b
∈
B
}
A - B = \{a - b | a \in A, b \in B \}
A−B={a−b∣a∈A,b∈B} 如果两个形状重叠 ,进行M
i
n
k
o
w
s
k
i
Minkowski
MinkowskiS
u
m
Sum
Sum后的形状包含原点 。M
i
n
k
o
w
s
k
i
Minkowski
MinkowskiS
u
m
Sum
Sum的运算是s
h
a
p
e
shape
shapeA
A
A的每个顶点和s
h
a
p
e
shape
shapeB
B
B的所有顶点求和(或求差) 。所得到点的外包络即是运算所得形状 。
见之前的文章:Planning-碰撞检测之GJK
3. Benchmark
通过Benchmark分析 ,这里给出定性的计算结果:
3.1 Box和Point的碰撞检测
性能:轮廓六分圆 >> 射线法 >> OpenCV; 精度:射线法 >> OpenCV > 轮廓六分圆;3.2 Box和Box的碰撞检测
性能:GJK > SAT >> OpenCV; 精度:GJK = SAT >> OpenCV;
当Polygon为四边形时 ,GJK和SAT的计算时间基本相等 ,但是随着Polygon边数的增多 ,GJK的性能优越性就凸显出来了 。
具体代码实现以及Benchmark可见:collision_detection4. 其他算法
4.1 Apollo中碰撞检测算法
Apollo的planning模块中的碰撞检测算法使用的有SAT和射线法两种 。
4.1.1 SAT 车辆作为一个3D物体 ,降维到(x,y)二维上 ,使用长方形bounding box简化代替; 对bounding box进行AABB快速检测; 对bounding box进行OBB快速检测:应用SAT,用到坐标系旋转计算投影;
4.1.2 射线法由于Box(矩形)是凸的 ,因此 ,当两个Box发生碰撞时,必然首先发生在角点处 ,即一个box的角点进入另一个box的内部 。Apollo中使用射线法判断一个点是否在一个多边形内部 。
for (const auto& point : ADCpoints) { for (const auto& obstacle : obstacls) { if (obstacle.IsPointIn(point)) { return ture; } } } // 正确的做法应该同时进行: for (const auto& obstacle : obstacls) { for (const auto& point : obstacle.points) { if (ADC.IsPointIn(point)) { return ture; } } } bool Polygon2d::IsPointIn(const Vec2d &point) const { if (IsPointOnBoundary(point)) { return true; } int j = num_points_ - 1; int c = 0; for (int i = 0; i < num_points_; ++i) { if ((points_[i].y() > point.y()) != (points_[j].y() > point.y())) { const double side = CrossProd(point, points_[i], points_[j]); if (points_[i].y() < points_[j].y() ? side > 0.0 : side < 0.0) { ++c; } } j = i; } return c & 1; }上述Box的碰撞检测是根据矩形特点对SAT方法的简化 ,Polygon是任意多边形 ,则不再适用上述方法。由于Polygon是凸的 ,两个Polygon的最短距离必然发生在Polygon A的某个点和Polygon B的某个点 ,或者Polygon A的某个点和Polygon B的某条边之间 。因此 ,判断两个Polygon是否有重合 ,转化为计算两个Polygon的最短距离是否小于等于0 。其中用到了射线法判断点是否在Polygon内和点到线段的距离。
4.2 开源算法
OpenGJK(GJK based Signed Volumes): https://github.com/MattiaMontanari/openGJK Bullet: https://github.com/bulletphysics/bullet3 FCL: https://github.com/flexible-collision-library/fcl Box2D: https://github.com/erincatto/box2d5. 参考文献:
[1] 张玉.自动驾驶车辆混合运动规划研究[D].北京理工大学,2018.
创心域SEO版权声明:以上内容作者已申请原创保护,未经允许不得转载,侵权必究!授权事宜、对本内容有异议或投诉,敬请联系网站管理员,我们将尽快回复您,谢谢合作!