目录
3.Lattice Planner和EM Planner对比
对自动驾驶中所使用的两种规划算法进行对比
1.Lattice Planner流程
step1 末状态采样
已知起始状态,对末状态进行采样
step2 生成横纵向轨迹
针对初始状态和末状态进行多项式拟合,分别得到横向和纵向轨迹
step3 生成候选轨迹簇
遍历横纵向中的SL、ST曲线,得到候选的轨迹簇
step4 计算候选轨迹cost
计算每条候选轨迹的cost
step5 选取最优轨迹
对cost最小的轨迹进行限制检测和碰撞检测,若未经过检测,将该轨迹剔除,重复step5,直至选出通过检测的cost 最小的轨迹。(限制检测包括加速度、加加速度和曲率)
更详细的说明可参考:Lattice Planner
2.EM Planner流程
DP指动态规划,QP指二次规划,关于SL和ST百度frenet坐标系即可了解
step1 SL DP
在SL图上lattice采样,采样点之间用五次多项式连接,计算各连接曲线的cost,采用DP迭代求解得到最优路径(此时仅为粗解)(采样范围为8s或200m)
step2 SL QP
根据step1中DP求解的最优路径以及约束条件确定凸空间,构造代价函数,利用QP求解得到最终的路径(该路径平滑、贴近DP最优路径)
如下图所示分别为DP最优路径和QP求解得到的最终路径
step3 ST DP
在ST图上采样,直接使用直线来连接采样点,计算cost,与step1中的最优路径求解类似,最优速度的求解也采用DP求得粗解,同时产生了一个ST凸空间
step4 ST QP
根据step3中DP求解的最优速度以及确定的凸空间,利用QP求解得到最终速度曲线(平滑且贴近粗解)
step5 合成最优最优轨迹S-L-T
将最优路径S-L和最优速度S-T合成最优轨迹S-L-T,传输至控制模块并供下一周期的规划使用
3.Lattice Planner和EM Planner对比
Lattice Planner能够更好的结合横向和纵向规划,同时考虑了车辆动力学,其性能可靠,更加适合简单场景; EM Planner则更擅长处理城区道路这样的复杂场景。