Apollo Planning2.0决策规划算法代码详细解析 (3)：PlanningComponent框架介绍

自动驾驶Player

已于 2024-10-05 12:56:13 修改

阅读量147

点赞数

分类专栏： Apollo决策规划模块代码详解文章标签：算法人工智能自动驾驶 c++ 智能驾驶

于 2024-09-28 23:21:51 首次发布

本文链接：https://blog.csdn.net/nn243823163/article/details/142623663

版权

Apollo决策规划模块代码详解专栏收录该内容

27 篇文章 479 订阅 ¥39.90 ¥99.00

订阅专栏

超级会员免费看

🌟 面向自动驾驶规划算法工程师的专属指南 🌟

欢迎来到《Apollo9.0 Planning2.0决策规划算法代码详细解析》专栏！本专栏专为自动驾驶规划算法工程师量身打造，旨在通过深入剖析Apollo9.0开源自动驾驶软件栈中的Planning2.0模块，帮助读者掌握自动驾驶决策规划算法的核心原理与实现细节。

🔍 VSCode+GDB：精准调试，洞悉代码逻辑 🔍

在自动驾驶算法的开发过程中，调试是至关重要的一环。本专栏将带你深入掌握VSCode+GDB这一强大的调试工具组合，让你能够逐行分析代码，精准定位问题，从而洞悉算法背后的逻辑与原理。通过实战演练，你将学会如何高效地利用调试工具，提升代码质量与开发效率。

💻 C++语法同步讲解：构建算法基石 💻

C++作为自动驾驶领域的主流编程语言，其重要性不言而喻。本专栏在解析算法代码的同时，将同步介绍C++语法，从基础到进阶，涵盖数据类型、控制结构、面向对象编程等核心知识点。通过系统学习，你将能够熟练运用C++语言编写高效、可维护的自动驾驶规划算法代码。

🚀 掌握自动驾驶PNC工程师从业能力 🚀

完成本专栏的学习后，你将具备自动驾驶PNC（规划、导航与控制）工程师的从业能力。你将能够深入理解自动驾驶决策规划算法的设计思路与实现方法，掌握Apollo9.0 Planning2.0模块的核心技术，为自动驾驶汽车的智能决策提供有力支持。

🚀 Apollo9.0 Planning2.0：探索自动驾驶技术前沿 🚀

Apollo9.0作为百度开源的自动驾驶软件栈，其Planning2.0模块在决策规划算法方面取得了显著进展。本专栏将带你深入探索Apollo9.0 Planning2.0的奥秘，揭秘其背后的算法原理与实现细节。通过系统学习，你将能够站在自动驾驶技术的前沿，为自动驾驶汽车的未来发展贡献力量。

🎉 立即加入，开启自动驾驶规划算法之旅 🎉

无论你是自动驾驶领域的初学者，还是有一定经验的工程师，本专栏都将为你提供宝贵的学习资源与实战机会。立即加入《Apollo9.0 Planning2.0决策规划算法代码详细解析》专栏，与我们一起探索自动驾驶技术的无限可能，共同推动自动驾驶技术的未来发展！

正文：

Apollo Planning 2.0的框架更新涉及多个方面，这些更新旨在提升自动驾驶系统的灵活性、可扩展性和性能。

以下是Apollo Planning 2.0 的框架图：

其中，Apollo的PlanningComponent在自动驾驶系统中扮演着至关重要的角色。其主要作用可以归纳为以下几点：

PlanningComponent功能介绍：

一、核心功能

1、决策规划：

PlanningComponent是自动驾驶系统中负责决策规划的组件。它基于来自其他模块（如预测、底盘和定位等）的输入信息，计算出车辆在未来一段时间内的行驶轨迹、速度、加速度等关键参数。
这些规划结果将直接指导车辆的实际驾驶操作，确保车辆能够安全、高效地行驶。

2、事件触发机制：

PlanningComponent是一个事件触发的组件，即它不会持续运行，而是等待特定的事件或条件触发时才开始工作。这些事件通常包括同时收到预测、底盘和定位信息等。
这种设计有助于减少不必要的计算资源消耗，并提高系统的响应速度和效率。

二、数据处理流程

1、输入数据检查：

在进行决策规划之前，PlanningComponent会首先进行输入数据的检查，确保所有必要的数据都已正确接收并准备好。

这些输入数据包括预测信息（如障碍物位置、速度等）、底盘信息（如车辆当前状态、控制指令等）和定位信息（如车辆位置、姿态等）。

2、数据融合与处理：

PlanningComponent会将这些输入数据进行融合和处理，以构建出一个全面的车辆行驶环境模型。

这个模型将作为决策规划的基础，用于评估不同行驶策略的风险和收益，并选择出最优的行驶方案。

3、决策规划与输出：

基于构建的车辆行驶环境模型，PlanningComponent会进行决策规划，计算出车辆在未来一段时间内的行驶轨迹。

这些规划结果将以特定的数据结构（如ADCTrajectory）输出给控制模块（Control Module），用于指导车辆的实际驾驶操作。

三、支持多种规划模式和场景

Apollo的PlanningComponent支持多种规划模式和场景，包括NaviPlanning（用于高速公路的导航规划）、OnLanePlanning（对高速公路以及城市道路的处理）和OpenSpacePlanning（主要处理自主泊车以及狭窄道路等场景）。

这种灵活性使得Apollo自动驾驶系统能够适应不同的道路条件和驾驶需求，提供更加智能和安全的驾驶体验。

综上所述，Apollo的PlanningComponent是自动驾驶系统中不可或缺的一部分，它负责基于输入数据进行决策规划，并输出指导车辆实际驾驶操作的规划结果。通过支持多种规划模式和场景以及不断优化和改进算法和功能，Apollo的PlanningComponent为自动驾驶系统提供了强大的决策支持能力。

本文将重点解析PlanningComponent的init()函数。

PlanningComponent::init() 介绍

init()函数主要有以下几个重要功能：

一、初始化injector_

injector_ = std::make_shared<DependencyInjector>();

class DependencyInjector {

 public:

  DependencyInjector() = default;

  ~DependencyInjector() = default;


  PlanningContext* planning_context() { return &planning_context_; }

  FrameHistory* frame_history() { return &frame_history_; }

  History* history() { return &history_; }

  EgoInfo* ego_info() { return &ego_info_; }

  apollo::common::VehicleStateProvider* vehicle_state() {

   return &vehicle_state_;

  }

  LearningBasedData* learning_based_data() { return &learning_based_data_; }


 private:

  PlanningContext planning_context_;

  FrameHistory frame_history_;

  History history_;

  EgoInfo ego_info_;

  apollo::common::VehicleStateProvider vehicle_state_;

  LearningBasedData learning_based_data_;

};

DependencyInjector提供不同的planning模块运行所需要的所有信息。

DependencyInjector（依赖注入器）的设计模式主要体现在依赖注入（Dependency Injection, 简称DI）的过程中。依赖注入是一种面向对象编程中的设计模式，其核心思想是将对象之间的依赖关系从对象内部移到对象外部，通过外部方式（如构造函数、setter方法或接口）将依赖项注入到对象中。DependencyInjector作为这一过程的执行者，扮演着至关重要的角色。

依赖注入器（DependencyInjector）的作用：

1、创建和管理依赖实现：

DependencyInjector负责创建和管理依赖项的具体实现。这些依赖项可能是其他对象、服务或资源，它们在应用程序中被多个组件所共享或需要。

2、注入依赖项：

DependencyInjector将创建好的依赖项注入到需要它们的对象中。这通常通过构造函数、setter方法或接口注入的方式实现。

3、降低耦合度：

通过将依赖关系从对象内部移到外部，并由DependencyInjector统一管理，可以显著降低对象之间的耦合度。这使得各个组件更加独立，易于维护和测试。

4、提高可扩展性和灵活性：

当需要添加新的依赖项或替换现有的依赖项时，只需在DependencyInjector中进行相应的配置，而无需修改依赖项的使用者代码。这提高了系统的可扩展性和灵活性。

二、创建planning的实例，默认配置创建的是OnLanePlanning

三、创建planning 模块需要的reader和writter

planning_command_reader_ = node_->CreateReader<PlanningCommand>(

      config_.topic_config().planning_command_topic(),

     [this](const std::shared_ptr<PlanningCommand>& planning_command) {

        AINFO << "Received planning data: run planning callback."

             << planning_command->header().DebugString();

        std::lock_guard<std::mutex> lock(mutex_);

        planning_command_.CopyFrom(*planning_command);

     });


  traffic_light_reader_ = node_->CreateReader<TrafficLightDetection>(

      config_.topic_config().traffic_light_detection_topic(),

     [this](const std::shared_ptr<TrafficLightDetection>& traffic_light) {

        ADEBUG << "Received traffic light data: run traffic light callback.";

        std::lock_guard<std::mutex> lock(mutex_);

        traffic_light_.CopyFrom(*traffic_light);

     });

以planning_command_reader_ 为例，收到topic name是 config_.topic_config().planning_command_topic() 的信号后，调用回调函数给 planning_command_ 赋值，

其中，topic name 来自 config_.topic_config().planning_command_topic() ，默认值如下：