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