- 博客(55)
- 资源 (10)
- 收藏
- 关注
RSS订阅
原创 Apollo Planning决策规划算法代码详解 (22):决策规划算法最完整介绍
前言：后台已经写完了Apollo Planning决策规划算法的完整解析，一路从规划模块的入口OnLanePlanning，介绍到常见的规划器PublicRoadPlanner；接着介绍了在PublicRoadPlanner中如何通过类似有限状态机的ScenarioDispatch进行场景决策。之后又介绍了在每个场景Scenario中如何配置以及判断当前所处的stage，以及对于每个stage又是如何注册tasks来执行具体的规划任务。现在回头来看，这个系列应该是目前全网最完整的apollo规划算法
2022-05-19 09:30:46
12800
4
原创 Apollo Planning决策规划算法代码详细解析 (1)：Scenario选择
本文重点讲解Apollo代码中怎样配置Scenario以及选择当前Scenario，Scenario决策是Apollo规划算法的第一步，本文会对代码进行详细解析，也会梳理整个决策流程，码字不易，喜欢的朋友们麻烦点个关注与赞。在本文你将学到下面这些内容：规划器planer的种类； 规划器planer的主要函数及逻辑； 场景管理类ScenarioManager的运行机制； 场景注册方法； 场景决策流程，如何选择当前场景 详细的apollo决策规划代码分析代码具体过程如下：1、Scenar
2022-03-22 18:11:59
13524
5
原创 Apollo Planning2.0决策规划算法代码详细解析 (2): vscode gdb单步调试环境搭建
apollo planning2.0 在新版本中在降低学习和二次开发成本上进行了一些重要的优化，重要的优化有接口优化、task插件化、配置参数改造等。GNU symbolic debugger，简称「GDB 调试器」，是 Linux 平台下最常用的一款程序调试器。GDB 编译器通常以 gdb 命令的形式在终端（Shell）中使用，发展至今，GDB 调试器已经对 C、C++、Go、Objective-C、OpenCL、Ada 等多种编程语言提供了支持。实际场景中，GDB 更常用来调试 C 和 C++ 程序
2023-10-05 09:51:43
1188
原创 Apollo Planning2.0决策规划算法代码详细解析 (1):环境搭建
1、官方提供连接：git clone https://github.com/ApolloAuto/application-pnc.git。此外，也更新了dreamview对pnc的支持，使得调试更加方便。apollo开源团队近期更新了planning版本，对代码进行了一定程度上的重构。(2）进入docker，并编译整个工程：./apollo.sh build_dbg。下载项目环境后使用aem进行环境配置；2、有一定基础建议直接拉取最新代码，自己手动进行编译。（1）环境安装： ./dev_start.sh。
2023-08-13 18:19:37
974
2
原创 carla与ros2的自动驾驶算法-planning与control算法开发与仿真
carla与ros2的自动驾驶算法-planning与control算法开发与仿真。
2023-03-11 16:09:53
2831
4
原创 自动驾驶算法分享与实现：代客泊车AVP算法的框架与代码实现
本文将介绍一个使用Python实现的代课泊车AVP算法，包括AVP算法中基于Astar的全局导航路径生成算法、自动泊车AP轨迹生成算法、基于MPC的横纵向控制算法；同时本文也将介绍该Demo的环境配置与调试方法。opencv-python 使用pip不好安装，建议使用conda环境安装以上依赖包。1、更改停车位，共1~24个车位供选择，main_autopark.py。2、更改起点，main_autopark.py。本文提到的Demo需要订阅专栏后私信博主获得。
2023-02-16 21:33:38
1727
1
原创 Apollo Planning规划算法仿真调试(15)：使用Vscode断点调试apollo的方法更新版
Apollo作为成熟的自动驾驶系统被广泛使用，但是关于它调试代码的方法却介绍很少，相信大家也一定希望可以在apollo代码中打断点，来看程序执行过程中的变量以及逻辑，本文将介绍如何使用Vscode打断点调试apollo。Vscode 作为轻量化的调试工具深受广大开发者的青睐，虽然大家都用它来看新闻逛论坛炒股，但是用它开发算法确实方便。4、此时可以使用Vscode的 Remote-Containers 插件来连接docker。8、接下来在对应cpp文件中打断点，就可以使用Vscode 的debug功能了。
2023-02-16 20:51:25
2182
5
原创 自动驾驶技术综述2：自动驾驶决策规划模块算法介绍
Planning模块的作用相当于理解传感器以及高精地图模块等上游的“感知系统”获得的感知信息，并且在当前周期内进行思考并做出判断，然后把计算好的轨迹信息传递给下游模块进行控制指令的分解以及控制信号的计算。现实世界中的规划面临多种约束。上图为开源的Apollo系统中Planning模块的运行过程，可以看到apollo的Planning模块就是首先确定当前自车所处在的场景scenario，然后判断在当前场景下处在什么状态stage下，最后调用一系列task进行behavior的判断从而完成决策过程。
2022-11-06 22:12:48
3923
4
原创 自动驾驶技术综述1：自动驾驶算法软件架构介绍
自动驾驶技术是一个庞大的工程体系，软件架构、功能算法、控制规划、感知识别、建图定位、电气架构、车载控制器、验证体系等等，有太多的角度可以去切入。对于自动驾驶功能与算法开发，自动驾驶功能的分级是很重要的，自动驾驶的功能衍变就是随着自动驾驶功能的分级推进而不断发展。决策规划相当于人类的大脑，处理感知或得的信息，并做出决策；以上的软件架构图是目前主流L2功能的架构图，随着自动驾驶功能向着L3迈进以及NOP等L2.5 功能的出现，自动驾驶软件架构也出现了进一步的发现，目前主流的NOP架构可以参考下图。
2022-09-04 21:54:32
9230
4
原创 Apollo Planning决策规划算法代码详细解析 (21): PathDecider详细解析上
在本专栏之前的文章中有对PathDecider这个task进行介绍，最近后台咨询这个task的小伙伴比较多，所以决定重新对这个task进行分析，加入使用vscode 进行调试时的一些中间过程与变量取值分析，帮助大家更好的理解PathDecider 这个task。...
2022-08-15 08:00:00
1967
7
原创 Apollo Planning规划算法仿真调试(14)：Apollo中添加离线LGSVL仿真环境的HdMap实现联合仿真
1、离线LGSVL仿真环境增加地图后，Apollo的dreamview中并没有这个地图的Hdmap以及仿真地图，所以并不能进行联合仿真，需要在Apollo中添加Hdmap以及仿真地图，以新增Shalun为例说明添加过程；3、将找到位置下的base_map.bin 文件拷贝到apollo文件夹下的指定位置。4、在apollo docker主目录下运行下面指令。6、打开dreamview与lgsvl仿真器。2、在以下位置搜索shalun。...
2022-08-12 08:00:00
1177
4
原创 智能驾驶ADAS算法设计及Prescan仿真(3): 自适应巡航ACC跟车目标选择策略设计与simulink仿真
本系列文章将对智能驾驶ADAS算法进行完整的介绍，并在simulink中搭建算法模型，并在Prescan中搭建场景并且与simulink联合仿真对ADAS算法进行验证。在0~150km/h的速度范围内，自适应巡航ACC自动切换巡航和跟车模式，前方无车，按照驾驶员设定车速稳定行驶，前方有车，与前车保持驾驶员设定的安全距离行驶。其中涉及传感器数据处理的模块有传感器直道/弯道目标选择、传感器直道/弯道切换、传感器数据融合。上一篇文章介绍了自适应巡航ACC算法的控制逻辑，本篇文章介绍ACC算法如何选择跟车目标。..
2022-07-27 23:51:42
3130
2
原创 智能驾驶ADAS算法设计及Prescan仿真(2): 自适应巡航ACC控制策略设计与simulink仿真
前言：本系列文章将对智能驾驶ADAS算法进行完整的介绍，并在simulink中搭建算法模型，并在Prescan中搭建场景并且与simulink联合仿真对ADAS算法进行验证。智能驾驶ADAS算法详解及Prescan仿真系列文章将会对以下ADAS功能进行介绍与仿真：1、前向碰撞预警 FCW算法 2、定速巡航系统 CC算法3、自适应巡航系统 ACC算法 Adaptive Cruise Control 4、车道偏离预警 LDW Lane Departure Warning5、车道纠偏辅助 LDP Lane Dep
2022-07-27 14:03:14
3520
4
原创 智能驾驶ADAS算法设计及Prescan仿真(1): 前向碰撞预警FCW算法设计与simulink仿真
本系列文章将对智能驾驶ADAS算法进行完整的介绍，并在simulink中搭建算法模型，并在Prescan中搭建场景并且与simulink联合仿真对ADAS算法进行验证。留出需要prescan输入的接口switchon、targetid、egov、relrance、relspeed。1、prescan进行场景搭建，包括道路、行车路径、前车、目标车、雷达、观察视角；在区域1中选择相应的组件，拖动至区域2中，区域3中显示选中的组件的基本信息；2、simulink中stateflow进行FCW状态机的搭建。....
2022-07-26 00:00:49
6103
23
原创 Apollo Planning规划算法仿真调试(13)：交通规则决策器TrafficDecider (一)
Apollo(阿波罗)是一个开放的、完整的、安全的平台，将帮助汽车行业及自动驾驶领域的合作伙伴结合车辆和硬件系统，快速搭建一套属于自己的自动驾驶系统。reference_line_info->reference_line().map_path()中存取了很多语义信息的frenet坐标系的起始位置以及参考线优化后的frenet坐标系。从reference_line_info->reference_line().map_path()这个变量中读取。然后对搜索到的人形横道进行决策。...
2022-07-24 21:09:35
727
原创 Apollo Planning规划算法仿真调试(12): ubuntu18.04安装LGSVL-Pythton API与使用
LGSVL是自动驾驶开发过程中常用的仿真工具，它提供了高精地图标注过的丰富的场景，包括城市道路、高速公路、乡村道路、停车场等；除了可视化的配置仿真环境，SVL模拟器在运行时可以使用LGSVL-PythtonAPI脚本进行调度，可以使用该API操纵加载场景中的对象放置和车辆移动，检索传感器配置和数据，控制天气、时间状态等。2、安装依赖包，这一步由于ubuntu18.04默认python包是3.6，而依赖包的安装最好使用python3.9，所以应下载python3.9，并配置系统环境为3.9版本。......
2022-07-17 21:33:25
990
原创 自动驾驶算法详解(8)：特斯拉Tesla决策规划算法Planning解析下
通过tesla的介绍可以发现，tesla的决策规划算法的执行逻辑与人类驾驶员很相似，不仅是简单的优化求解，更多时候在求解轨迹时，有对目标障碍物进行预测，并根据预测的结果进行博弈的过程，这样可以使同行效率更高，整个自动驾驶的运行过程更加智能。特斯拉的算法确实有可取之处，但是目前国内的很多新势力、自动驾驶公司在城市工况的自动驾驶算法领域，也有深入的实践与技术积累，在一些公开测试中也取得了不错的表现，大家也要对我们的国产自动驾驶技术报以信心，在很多层面我们表现都很出色。自动驾驶算法立即改变主意，并继续向前行驶。.
2022-07-17 19:57:24
1698
原创 自动驾驶算法详解(7)：特斯拉Tesla决策规划算法Planning解析上
本文将介绍特斯拉Tesla 在AI Day 上提到的决策规划模块Planner。同人类驾驶员一样，Planner在接收到经过视觉神经网络处理过的3D Vector Space后，将会在该Space进行搜索判断，从而找到一条轨迹可以最大限度地提高汽车的安全性、舒适性和效率，将车辆规划至目的地。作为最早布局自动驾驶的厂商，Tesla早期的Planner已经可以很好的在高速公路或者是城市快速路段进行规划，包括单车道的车道保持、导航变道、主动超车、自动上下闸道也都经受了量产的考验...
2022-07-03 19:19:05
2964
原创 Apollo Planning决策规划算法代码详细解析 (20):SPEED_BOUNDS_FINAL_DECIDER
SPEED_BOUNDS_FINAL_DECIDER 是lanefollow 场景下，所调用的第 14 个 task，属于task中的decider 类别它的作用主要是：正文如下： 一、概述SPEED_BOUNDS_FINAL_DECIDER 是lanefollow 场景下，所调用的第 13 个 task，属于task中的decider 类别...
2022-07-03 17:01:55
1810
11
原创 Apollo Planning规划算法仿真调试(11)：速度规划ComputeSTBoundary
前言：在Apollo决策规划算法进行速度规划时,一个被称为 “ST 图 ” 的工具可以帮助设计和选择速度曲线。在 ST 图中, “s” 表示⻋辆的纵向位移、 “t” 表示时间。 ST 图上的曲线是对⻋辆运动的描述,因为它说明了⻋辆在不同时间的位置。由于速度是位置变化的速率,所以可以通过查看曲线的斜率从 ST图上推断速度。斜坡越陡则表示在更短的时间段内有更大的移动,对应更快的速度。本文将介绍在Apollo的决策规划算法中，是如何进行ST图的构建。...
2022-06-26 22:07:41
1390
原创 Apollo Planning规划算法仿真调试(10)：LGSVL与Apollo联合仿真配置方法
Apollo Planning规划算法仿真调试(10)：LGSVL与Apollo联合仿真配置方法
2022-06-21 22:07:33
1056
2
原创 自动驾驶工具链(1): Vscode中推荐的Git插件
Vscode 作为轻量化的调试工具深受广大开发者的青睐，虽然大家都用它来看新闻逛论坛炒股，但是用它开发算法确实方便；Git是一个开源的分布式版本控制系统，可以有效、高速地处理从很小到非常大的项目版本管理，Apollo代码的版本就算使用Git进行管理。...
2022-06-18 12:00:31
6341
原创 Apollo Planning决策规划算法代码详细解析 (19):SpeedDecider 障碍物纵向决策下
SpeedDecider 是lanefollow 场景下，Apollo Planning算法所调用的第13 个 task，属于task中的decider 类；本文主要介绍Apollo Planning决策规划算法中纵向决策器SpeedDecider中根据障碍物不同位置，具体的决策逻辑。...
2022-06-12 22:32:25
2005
原创 自动驾驶算法详解(6)：Astar算法原理以及路径规划应用在python与ros平台实现
一、算法原理Astar算法流程图如下: Astar算法是一种图形搜索算法，常用于路径规划。它是个以广度优先搜索为基础，集Dijkstra算法与最佳优先(best fit)算法特点于一身的一种算法。Astar算法从起点开始向周围扩张，通过估计函数不断计算周围相邻点的cost，并选择cost最小的节点作为下一次进行扩张的节点，按此规则一直循环直到搜索到终点。其中每个扩展节点对应的估值函数记为：f(n) = g(n) + h(n)g(n) 表示当前节点的实际代价函数；h(n) 表示当前节点至目标节点的估值函数，常
2022-06-01 00:23:34
1978
原创 Apollo Planning规划算法仿真调试(9)：路径规划PathBoundsDecider下
PathBoundsDecider 是第四个task，PathBoundsDecider根据lane borrow决策器的输出、本车道以及相邻车道的宽度、障碍物的左右边界，来计算path 的boundary，从而将path 搜索的边界缩小，将复杂问题转化为凸空间的搜索问题，方便后续使用QP算法求解。它的作用主要是：根据借道信息、道路宽度生成FallbackPathBound根据借道信息、道路宽度生成、障碍物边界生成PullOverPathBound、LaneChangePathBound、Regula
2022-05-30 17:46:31
968
2
原创 Apollo Planning决策规划算法代码详细解析 (18):SpeedDecider 障碍物纵向决策上
一、概述SpeedDecider 是lanefollow 场景下，Apollo Planning算法所调用的第13 个 task，属于task中的decider 类别它的作用主要是：1、对每个目标进行遍历，分别对每个目标进行决策2、或得mutable_obstacle->path_st_boundary()3、根据障碍物st_boundary的时间与位置的分布，判断是否要忽略4、对于虚拟目标 Virtual obstacle，如果不在referenceline的车道上，则跳过5、如果是
2022-05-25 15:51:32
2566
3
原创 Apollo Planning规划算法仿真调试(8)：路径规划PathBoundsDecider上
前言：PathBoundsDecider 是Apollo Planning规划算法的第四个task，PathBoundsDecider根据lane borrow决策器的输出、本车道以及相邻车道的宽度、障碍物的左右边界，来计算path 的boundary，从而将path 搜索的边界缩小，将复杂问题转化为凸空间的搜索问题，方便后续使用QP算法求解。它的作用主要是：根据借道信息、道路宽度生成FallbackPathBound 根据借道信息、道路宽度生成、障碍物边界生成PullOverPathBound、
2022-05-24 23:21:02
1987
原创 Apollo规划决策算法仿真调试(7):pnc_map模块详解GetRouteSegments规划局部地图生成下篇
前言：pnc_map在Apollo的决策规划算法planning模块中，是一个很重要的概念；它被封装在ReferenceLineProvider类中，主要的接口是GetRouteSegments();GetRouteSegments()是规划算法初始化阶段，以及在参考线ReferenceLine生成过程当中的重要接口，可以认为RouteSegments 是规划模块planning与routing模块以及HDmap的桥梁；RouteSegments可以理解为routing中的passage信息，也
2022-05-22 00:17:57
1430
原创 Apollo规划决策算法仿真调试(6):pnc_map模块详解GetRouteSegments规划局部地图生成上篇
前言：pnc_map在Apollo的决策规划算法planning模块中，是一个很重要的概念；它被封装在ReferenceLineProvider类中，主要的接口是GetRouteSegments();GetRouteSegments()是规划算法初始化阶段，以及在参考线ReferenceLine生成过程当中的重要接口，可以认为RouteSegments 是规划模块planning与routing模块以及HDmap的桥梁；RouteSegments可以理解为routing中的passage信息，也
2022-05-17 00:18:33
1238
原创 自动驾驶算法详解(5): 贝塞尔曲线进行路径规划的python实现
一、理论知识1、路径规划定义路径规划智能物流、无人驾驶等智能领域中重要的组成部分。路径规划的目标是实现从目的地到终点之间寻找一条安全（无碰撞）、高效（最短距离或 最短时间）的一条最优或接近最优的路径。在自动驾驶算法中，路径规划一般特指局部路径规划，即规划一条路径，引导自车从当前位置驶向导航routing模块期望的位置。自动驾驶中路径规划不仅要考虑一条安全（无碰撞）、高效（最短距离或 最短时间），还应该考虑自车动力学的约束，以及曲线的平滑。贝塞尔曲线是一种常用的求解自动驾驶规划路径的方法。
2022-05-15 17:08:12
3075
原创 Apollo Planning决策规划算法代码解析 (17):SPEED_HEURISTIC_OPTIMIZER 速度动态规划下
一、概述SPEED_HEURISTIC_OPTIMIZER 是lanefollow 场景下，所调用的第 12个 task，属于task中的optimizer 类别，它的作用主要是：apollo中使用动态规划的思路来进行速度规划，其实更类似于使用动态规划的思路进行速度决策；首先将st图进行网格化，然后使用动态规划求解一条最优路径，作为后续进一步速度规划的输入，将问题的求解空间转化为凸空间本文将详细讲解apollo速度动态规划的代码，用打断点调试的方法一步步解析动态规划的过程。apollo速度的
2022-05-14 19:23:48
2091
2
原创 Apollo Planning决策规划算法代码详细解析 (16):SPEED_HEURISTIC_OPTIMIZER 速度动态规划中
一、概述SPEED_HEURISTIC_OPTIMIZER 是lanefollow 场景下，所调用的第 12个 task，属于task中的optimizer 类别，它的作用主要是：apollo中使用动态规划的思路来进行速度规划，其实更类似于使用动态规划的思路进行速度决策；首先将st图进行网格化，然后使用动态规划求解一条最优路径，作为后续进一步速度规划的输入，将问题的求解空间转化为凸空间本文将详细讲解apollo速度动态规划的代码，用打断点调试的方法一步步解析动态规划的过程。apollo速度的
2022-05-11 10:24:42
1861
原创 Apollo规划决策算法仿真调试(5):动态障碍物绕行
前言：最近很多粉丝问在apollo规划算法planning模块中，如何才能对运动的障碍物进行绕行。动态障碍物的绕行在量产项目中是一个很大的话题，需要很复杂的逻辑与场景去解决。这里先不讨论量产解法，提供一种在apollo的仿真环境中动态障碍物绕行的解决思路。先上动态障碍物绕行视频：Apollo规划决策算法仿真调试(4):动态障碍物绕行如果对Apollo规划决策算法仿真调试感兴趣，想了解规划算法的实施细节，可以持续关注系列文章：Apollo规划决策算法仿真调试(1): 使用Vsco
2022-05-10 13:39:19
7530
7
原创 Apollo规划决策算法仿真调试(4)：从dreamview中获取导航数据
1、自带的单元测试案例中没有换道场景，所以应该首先自己编辑一个换道的场景。在dreamiew中选择导航的起始点，且起点与终点在相邻的两条道路上。并且打开sim_control, 并且打开routing与planning，在导航设置窗口选择导航点并发送，routing模块便会自动计算routing的request与response。打开routing与planning：选择导航点并发送：2、获取dreamview中生成的导航信息：（1）首先docker中cyber_mon...
2022-05-09 09:59:10
1346
6
原创 Apollo规划决策算法仿真调试(2)：使用bazel 编译自定义代码模块
前言Bazel是一个类似于Make的编译工具，是Google为其内部软件开发的特点量身定制的工具，现在Google内部大部分软件都用Bazel进行构建。Apollo 使用Bazel来编译代码文件，Apollo提供了apollo.sh 脚本来进行编译，但apollo.sh 编译最小单元是modules，而且按照已经写好的build文件进行编译，如果新加cpp文件，则不能编译到。本文将介绍如何修改Bazel 的build 文件，指定Apollo 编译具体的cpp文件。正文如下：一、Apollo
2022-05-09 00:43:23
1136
10
原创 Apollo规划决策算法仿真调试(3)：ReferenceLineProvider参考线生成流程
前言：在Apollo规划决策算法中，即planning模块中，参考线ReferenceLine 的作用至关重要，ReferenceLine 是整个规划算法的基础，规划的目的就是使车辆按照ReferenceLine行驶。目前关于ReferenceLine 的平滑方法介绍很多，但很少介绍ReferenceLine 在整个apollo的planning模块中，是在哪一步进行生成，它的整个运行机制与流程是怎样的。本文将使用vscode与dreamview 联合调试的方法，来展示ReferenceLine
2022-05-09 00:25:42
1884
9
原创 Apollo Planning决策规划算法代码详细解析 (15): 速度动态规划SPEED_HEURISTIC_OPTIMIZER 上
一、概述SPEED_HEURISTIC_OPTIMIZER 速度动态规划是lanefollow 场景下，所调用的第 12个 task，属于task中的optimizer 类别，它的作用主要是：apollo中使用动态规划的思路来进行速度规划，其实更类似于使用动态规划的思路进行速度决策；首先将st图进行网格化，然后使用动态规划求解一条最优路径，作为后续进一步速度规划的输入，将问题的求解空间转化为凸空间本文将详细讲解apollo速度动态规划的代码，用打断点调试的方法一步步解析动态规划的过程。apo
2022-05-06 21:45:34
3119
7
原创 自动驾驶算法详解(4): 横向LQR、纵向PID控制进行轨迹跟踪以及python实现
前言：在量产ADAS或者自动驾驶算法中，横纵向控制往往都是分开控制的，上一篇文章中介绍了如何使用LQR同时进行横纵向的控制，本文将介绍一种横纵向分开控制的思路，将使用LQR算法进行横向控制，同时使用PID算法进行纵向控制。这种方法在很多自动驾驶科技公司比较常见，百度apollo的控制节点conrol也是使用同样的思路。如果对自动驾驶算法感兴趣，可以关注我的主页和专栏。https://blog.csdn.net/nn243823163/category_11685852.htmlhttps://b
2022-05-06 20:11:03
9003
原创 Apollo Planning决策规划算法代码详细解析 (14):SPEED_BOUNDS_PRIORI_DECIDER
SPEED_BOUNDS_PRIORI_DECIDER 是lanefollow 场景下，所调用的第 11 个 task，属于task中的decider 类别它的作用主要是：（1）将规划路径上障碍物的st bounds 加载到路径对应的st 图上（2）计算并生成路径上的限速信息正文如下：一、概述SPEED_BOUNDS_PRIORI_DECIDER 是lanefollow 场景下，所调用的第 11 个 task，属于task中的decider 类别它的作用主要是：（1）将规划路径上障.
2022-05-02 19:59:08
4076
3
原创 Apollo Planning决策规划算法代码详细解析 (13): RuleBasedStopDecider
一、概述RuleBasedStopDecider 是lanefollow 场景下，所调用的第 8 个 task，属于task中的decider 类别它的作用主要是：根据一些规则来设置停止标志。二、RuleBasedStopDecider的具体逻辑如下：1、PublicRoadPlanner 的 LaneFollowStage 配置了以下几个task 来实现具体的规划逻辑，RuleBasedStopDecider 是第8个task，scenario_type: LANE_FOLLOW.
2022-04-29 23:54:39
2022
1
fcw_simulink_prescan 使用prescn与simulink仿真FCW算法
2022-06-19
cncap-2018标准
2019-04-17
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人