Apollo预测规划二——运动规划（2）

运动规划的 内部优化    (know the problem solver)

约束问题的最优解方法：动态规划

通过类似于有限元的方式，把问题抽象成在一个离散的空间里面，把重复计算进行简化。但是计算量还是较大。

             

                                                                            

                                  

 在研究凸问题的最优解，使用牛顿法求解，求解过程很快。

                            

二次规划也不是不合适

                                            

加入松弛变量     转化成求线性方程组的问题

                                            

KKT 

                                  

Apollo分段求最优（动态规划（对问题有个大致的认识）+  二次规划（在局部求一个最优））  （启发式搜索）

                        

Apollo    EM Planing

实际过程中无人车，抽象成一系列的 约束（constraint）

• 交通规则（灯、线、障碍物）
• 决策（人为决策做动态规划）
• 轨迹（轨迹优化，平滑稳定）

                   

换道例子（找合适的时机，换道决策做一个优化）

在本车道生成一个策略、换到也生成一个策略（根据打灯等行为）

                   

多维度考虑

三维空间优化问题

方法：离散化处理、   路径速度迭代算法(最大期望)

                   

优化关键步骤

• 目的
• 约束
• 优化求解

                   

                   

路径规划

先做动态规划

             

再做二次规划

             

速度规划

 保证平滑性

             

SL图    ST图

                                            

结合

                    

逆行例子

                    

算法提速