An offline optimization-based global planning approach for HD-path generation in urban intersections

Autonomous driving represents one of the main directions of innovation in the transport sector, with the potential to significantly improve the safety, efficiency, and sustainability of urban mobility. In particular, vehicle automation promises more efficient traffic management and a more rational use of existing infrastructure, helping to reduce congestion and energy consumption and, consequently, emissions in complex and densely populated urban environments. Despite progress in perception and control systems, one of the tasks that must be solved for the widespread adoption of autonomous driving is the problem of path planning, especially in urban scenarios. Urban intersections represent one of the most critical scenarios for global path planning in autonomous driving, due to the coexistence of geometric discontinuities, curvature constraints, and lane-level topological branching. Within the current AIDA autonomous driving framework, such areas are handled through manually recorded trajectories, limiting scalability and adaptability to new configurations. This framework proposes an offline optimization-based global planning methodology for the automatic generation of High-Definition (HD) paths in urban intersections starting from HD map information. Given waypoints extracted from lane centerlines, a constrained nonlinear optimization problem is formulated to reposition these samples with limited displacement while enforcing collision avoidance, curvature continuity, and consistency with the navigable domain. A dedicated start–goal detection algorithm identifies the maneuver endpoints through heading and curvature analysis, defining the geometric limits of the optimization process and ensuring smooth detachment from and reattachment to the incoming and outgoing trajectory segments. The framework integrates CommonRoad lane geometry, recorded reference paths, and occupancy-grid representations within a unified coordinate system. Validation on real roundabout and intersection scenarios demonstrates that the proposed method generates smooth, geometrically coherent, and collision-free HD paths suitable for integration within a hierarchical planning architecture.

La guida autonoma è una delle principali direttrici di innovazione nel settore dei trasporti, con il potenziale di migliorare in modo significativo la sicurezza, l’efficienza e la sostenibilità della mobilità urbana. In particolare, l’automazione dei veicoli promette una gestione del traffico più efficiente e un utilizzo più razionale delle infrastrutture esistenti, contribuendo alla riduzione della congestione, dei consumi energetici e, di conseguenza, delle emissioni in contesti urbani complessi e densamente popolati. Nonostante i progressi nei sistemi di percezione e controllo, uno dei problemi ancora aperti per l’adozione diffusa della guida autonoma riguarda la pianificazione del percorso, in particolare negli scenari urbani. Le intersezioni urbane costituiscono uno dei contesti più critici per la pianificazione globale, a causa della coesistenza di discontinuità geometriche, vincoli di curvatura e ramificazioni topologiche a livello di corsia. Nell’attuale architettura del progetto AIDA, tali aree vengono gestite tramite traiettorie registrate manualmente, limitando la scalabilità e l’adattabilità a nuove configurazioni. Questo lavoro propone una metodologia di pianificazione globale offline basata su ottimizzazione per la generazione automatica di percorsi ad Alta Definizione (HD) nelle intersezioni urbane a partire da informazioni provenienti da mappe HD. A partire dai campioni estratti dalle centro-corsie, viene formulato un problema di ottimizzazione non lineare vincolata, volto a riposizionare tali campioni con spostamento limitato, garantendo al contempo l’assenza di collisioni, la continuità della curvatura e la coerenza con il dominio navigabile. Per definire l’area dell’intersezione viene dedicato un algoritmo per l’ identificazione di inizio (start) e fine (goal) manovra mediante l’analisi dei profili di orientamento e curvatura della linea di centro-corsia, definendo i limiti geometrici del processo di ottimizzazione e assicurando un distacco e un riaggancio regolari rispetto ai segmenti di traiettoria in ingresso e in uscita. Il framework integra la geometria delle corsie di CommonRoad, le traiettorie di riferimento registrate e le rappresentazioni tramite occupancy grid all’interno di un sistema di riferimento unificato. La validazione su scenari reali di rotonde e incrocio dimostra che il metodo proposto è in grado di generare percorsi HD regolari, geometricamente coerenti e privi di collisioni, idonei all’integrazione in un’architettura di pianificazione gerarchica.