Apollo Planning规划算法仿真调试(9)：路径规划PathBoundsDecider下

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。Apollo 自动驾驶开放平台为开发者提供了丰富的车辆、硬件选择，强大的环境感知、高精定位、路径规划、车辆控制等自动驾驶软件能力以及高精地图、仿真、数据流水线等自动驾驶云服务，帮助开发者从 0 到 1 快速搭建一套自动驾驶系统。

本系列文章将记录笔者在调试Apollo决策规划算法Planning模块的所见所思所想，不仅会分析决策规划算法具体的代码逻辑，还会使用Vscode对Apollo决策规划算法进行断点调试，从而揭示关键变量的数据结构以及取值。

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、RegularPathBound中的一种

PathBound的生成对于后续的路径规划，以及规划算法的整体表现，是沿着当前道路行驶还是借道超车，有着决定性的作用。

上篇介绍了如何根据道路宽度以及自车位置生成基础的PathBounds，本文将介绍如何让根据障碍物修正PathBounds。

调试所使用场景如下：