自动驾驶弯道轨迹规划：Frenet坐标系与三圆模型实践

1. 复杂弯道轨迹规划的技术挑战

在自动驾驶领域，弯道轨迹规划堪称最具挑战性的任务之一。想象一下，当车辆以60km/h的速度进入一个半径为50米的弯道时，突然发现前方有抛锚车辆——此时规划系统需要在毫秒级时间内完成以下决策：

• 保持当前车道但需紧急制动
• 借道超车但需考虑对向车道
• 轻微偏离车道线但保持安全距离

传统笛卡尔坐标系下的规划算法在这种场景下往往捉襟见肘。我曾参与过一个山区道路测试项目，原方案在直道上表现优异，但遇到连续S弯时，轨迹会出现明显的"锯齿"现象。后来我们改用Frenet坐标系，问题迎刃而解。

Frenet坐标系的核心优势在于：

1. 将复杂的二维平面问题分解为沿参考线(s轴)和垂直参考线(d轴)的两个一维问题
2. 天然适配道路的几何特性，特别是曲率变化
3. 简化了障碍物距离计算和碰撞检测逻辑

2. 三圆车辆模型与碰撞检测

2.1 模型构建原理

车辆轮廓近似是轨迹规划中的经典问题。单圆模型计算简单但精度不足，矩形包络又会导致计算复杂度激增。我们采用的三圆模型在两者间取得了完美平衡：

code复制车辆前圆权重 = 0.3 * 轴距
车辆中圆权重 = 轴距中心
车辆后圆权重 = 0.2 * 轴距

这种布局模拟了真实车辆的动力学特性：

• 前圆侧重感知区域，覆盖保险杠到前轴范围
• 中圆覆盖乘员舱核心区域
• 后圆覆盖后备箱到后轴区域

在MATLAB实现中，我们特别加入了动态调整机制：

matlab复制function circles = adjust_circle_weights(vehicle)
    % 根据轴距动态调整圆间距
    if vehicle.L > 3.5  % 大型车辆
        front_weight = 0.35;
        rear_weight = 0.25;
    else  % 小型车辆
        front_weight = 0.3;
        rear_weight = 0.2;
    end
    circles = [
        vehicle.s - front_weight*vehicle.L, vehicle.d;
        vehicle.s, vehicle.d;
        vehicle.