图解自动驾驶中的运动规划(Motion Planning)，附几十种规划算法_自动驾驶驾驶动态规划算法

百度创始人、董事长兼CEO李彦宏在2022世界人工智能大会上指出，目前L2级自动驾驶技术已经可以实现大规模商业化，接下来将继续向L3、L4发力。

自动驾驶这项前沿技术的底层逻辑是什么呢？在自动驾驶技术栈中，主要分为感知、决策规划和控制三个模块。

感知模块就像是人的眼睛和耳朵，负责对外部环境进行感知，包含定位、建图、传感器融合等技术；控制模块就像人的手脚，负责将指令传达到电机、引擎，包含鲁棒控制、模型预测控制等技术；决策规划模块就像人的大脑，基于接收到的感知信息进行行为预测、决策，并生成指令传达给控制模块。

在决策规划中，有一类技术称为运动规划，那么什么是运动规划呢？

2 什么是运动规划？

**运动规划(Motion Planning)**以最优性为核心，在环境中给定起点和终点的条件下，规划机器人无冲突行进的状态序列。运动规划框架如下所示，主要包含路径规划与轨迹规划两大组件。

那路径规划和轨迹规划有什么区别和联系呢？

• 路径规划(Path Planning)

以可达性为核心，基于路径约束(如障碍物)，规划机器人首末位置间无冲突行进的最优路径序列。

• **轨迹规划(Trajectory Planning)**以稳定性和快速性为核心，基于运动学、动力学约束和路径序列，规划运动状态 以逼近全局路径。

一般地，路径规划的输入是全局静态环境，也称为全局规划(Global Planning)；轨迹规划的输入是全局路径、动态环境和模型约束，通常在局部范围内进行动态避障和路径跟踪，也称为局部规划(Local Planning)。

本专栏将重点介绍路径规划和轨迹规划技术，并且采用工程上常用的ROS C++以及仿真中常用的Python/Matlab三种语言对常见的规划算法进行实现，帮助读者理解原理。同时，辅以部分控制原理、传感技术、常见机器人运动学与动力学建模，弥补一些运动规划的底层知识，具体大纲如下