Apollo Open Space Planner及Hybrid A* 算法入门浅析

已于 2022-04-20 19:24:34 修改
阅读量5.7k 收藏 125
点赞数 17
分类专栏： Apollo 决策规划 文章标签： 算法 深度优先 leetcode
于 2022-04-07 12:26:05 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/nudt_zrs/article/details/122870025
版权

下图是Apollo中Open Space Planner框架：

可以看出，其中Hybrid A*在路径生成中扮演了重要角色。

比较知名的网上开源的Hybrid A*的C++代码包括：

1、KTH的硕士论文项目：karl kurzer；（这也是我第一次接触Hybrid A*时的项目）

2、百度Apollo的开放场地轨迹规划模块open_space；

Hybrid A*算法最早发表于《Path planning for autonomous vehicles in unknown semi-structured environments》，其思想继承自A*，但是相比A*又有很多变化。

具体实现可以分为一下几个步骤，每个步骤都有很多细节问题。

第1步，搜索（这里有很多细节需要注意的）

代价函数、启发式函数、RS曲线、碰撞检测

第2步，路径平滑（梯度下降）

第3步，速度规划

第4步，轨迹再平滑？（Apollo）

一些疑问：

Hybrid A*一般用于低速泊车（open space）规划，怎么跟决策结合？

是否需要考虑动态障碍物??（将动态障碍物当做静态障碍物，进行重规划？）

Hybrid A*：有非常多的细节问题！！！

Apollo 6.0 的 Hybrid A star planner - 知乎

Baidu Apollo代码解析之Open Space Planner中的Hybrid A* - 知乎

Baidu Apollo代码解析之Open Space Planner中的平滑优化 - 知乎

混合A*算法研究_robinvista的博客-CSDN博客_混合a星

基于Hybrid A*和ReedSheep曲线的Open Space规划器 - 知乎

Apollo Open Space Planner中主要TASK类执行的过程解读 - Challenging-eXtraordinary

Apollo Open Space Planner 介绍 1-Hybrid A star - Challenging-eXtraordinary

Apollo Open Space Planner 介绍 2-warm start - Challenging-eXtraordinary

Optimization-Based Collision Avoidance 论文阅读推导记录 - Challenging-eXtraordinary

TDR-OBCA A Reliable Planner for Autonomous Driving in Free-Space Environment论文阅读记录 - Challenging-eXtraordinary

MATLAB/Python仓库

Hybrid A* path planner - MATLAB- MathWorks 中国

 Hybrid A Star 路径规划（2） - 知乎

GitHub - wanghuohuo0716/hybrid_A_star: 本仓库是对混合A*算法的matlab复现

https://github.com/zhm-real/MotionPlanning

牛仔很忙^
关注
  • 17
    点赞
  • 踩
  • 125
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
专栏目录
OpenSpacePlanner:带有 Kinect 前端的开放空间会话规划器
05-30
在此存储库中，您将找到来自的的 Kinect Session Planning Board 的代码。 如果您想查看该板的运行情况，请单击 。
百度Apollo的lattice planner算法idea来源的参考论文
01-06
《百度Apollo的lattice planner算法idea来源的参考论文》探讨了一种在动态交通场景中生成最优轨迹的方法，该方法源于Moritz Werling等人的研究，他们提出了一种半反应式轨迹生成策略，适用于自动驾驶车辆在高速公路...
Apollo星火计划学习笔记——Apollo开放空间规划算法原理与实践
sinat_52032317的博客
01-06 6281
1. 开放空间规划算法总体介绍 1.1 Task: OPEN_SPACE_ROI_DECIDER 1.2 Task: OPEN_SPACE_TRAJECTORY_PROVIDER 1.3 Task: OPEN_SPACE_TRAJECTORY_PARTITION 1.4 Task: OPEN_SPACE_FALLBACK_DECIDER 2. 基于混合A *的路径规划算法 2.1 hybrid A*的简要思想 2.2 RS曲线 2.3 Apollo中Hybrid A*算法的求解过程 3. 基于OBCA的轨迹
深入解析Hybrid A*路径规划算法 - 逐行解读MATLAB版源码，带你熟悉实现过程，深入解析混合A*算法 - 逐行剖析MATLAB版Hybrid A*路径规划
最新发布
ZnBMlDCKuv的博客
06-08 911
具体而言，该算法将连续空间离散化为一组网格，并利用传统的A*算法在网格上进行路径搜索，从而减少了搜索空间的复杂性。同时，在离散空间的搜索基础上，通过采样和优化的技术，对路径进行优化，提高路径的质量和效率。算法是一种启发式搜索算法，通过估计每个节点到目标节点的代价，并结合节点到起始节点的实际代价，选择最优的节点进行搜索。通过深入理解算法的原理和实现细节，我们可以更好地应用该算法于自动驾驶和智能导航系统中，并在实际应用中进行相应的调整和优化，以提高路径规划的效率和质量。算法之前，我们先回顾一下A。
5.开放空间规划算法解析及实现
weixin_56492465的博客
02-03 2671
Apollo星火计划PNC专项课程 开放空间规划算法解析及实现
Apollo planning之hybrid A*
weixin_65089713的博客
10-21 3175
hybrid_a_star的目标是在开放空间中产生粗轨迹。Hybrid_a_star包含 node3d、grid_search、reeds_shepp_path和hybrid_a_star。hybrid_a_star是产生粗轨迹并调用grid_search和reeds_shepp_path的最重要组件。输入：当前点（计划起点），目标点（计划终点），ROI_xy_boundary（x和y的最大和最小边界值），障碍物顶点矢量（顶点位置信息）。
Apollo8.0-Open Space代码实现
NEON7788的博客
05-23 1307
本文以Apollo8.0的Open Space算法相关代码为例[1][2][3][4]. 详细解释其各个部分的作用与原理. 如果与当前的代码有差别, 以最新的代码为准. 关于Open Space的算法介绍, 请阅读。: 检查规划的轨迹是否会和障碍物发生碰撞. 如果碰撞了, 就会进入Fallback状态. 规划一条在碰撞位置停车的轨迹. 然后再重新进行路径规划.: 根据轨迹是前进的还是倒车的, 对轨迹进行分割. 根据自车的位置判断发送哪一条轨迹, 以及是否需要切换轨迹. 对轨迹进行平滑.
APOLLO混合A*算法详解
weixin_60232039的博客
02-03 4136
首先在这里介绍“节点”的概念，即Node3d类。//x,y,phi是node的坐标//step_size_是一段路径（如Reed-Shepp曲线）所包含的路径点数，而该node就是这段路径的终点//traversed_x,traversed_y,traversed_phi是node连接的一串点的坐标集合A*中的node单纯的指一个节点或一个状态，一般是其（x，y）坐标。这里的Node3d不同，除了包含一个点坐标（x_，y_，phi_）之外，还包含了一串这样的坐标集合。......
开发者说丨Apollo项目Routing模块A_算法剖析.pdf
05-04
A*算法在Apollo项目Routing模块中的应用 A*算法是一种静态路网中求解最短路径最有效的直接搜索方法，也是解决许多搜索问题的有效算法。其核心思想是基于代价函数f(n)=g(n)+h(n)计算最短路径，其中f(n)是结点n的总...
Baidu Apollo EM Motion Planner.zip
03-10
**百度Apollo EM运动规划器详解** 在自动驾驶领域，运动规划是关键的一环，它决定了车辆如何在复杂的环境中安全、高效地行驶。百度Apollo作为一个开放的自动驾驶平台，其EM（Expectation-Maximization）运动规划器...
Apollo规划算法介绍
03-30
"Apollo规划算法介绍" 在自动驾驶领域中，规划算法扮演着极其重要的角色。Apollo规划算法是其中的一种，主要应用于自动驾驶领域，旨在解决路径规划和轨迹规划问题。本文将深入探讨Apollo规划算法的原理和实现细节。...
多模式的路程规划开源平台OpenTripPlanner.zip
07-19
OpenTripPlanner (OTP) 提供了一个多模式的路程规划开源平台，用户可以通过OTP 内置的web界面结合步行，自行车和公共的交通工具进行路径查询，同时OTP也提供为第三方程序调用的API接口。官网地址：http://opentripplanner.com/github地址：https://github.com/openplans/OpenTripPlanner其数据源可以通过shapfiles，OSM，GTFS等转化详见https://github.com/openplans/OpenTripPlanner/wiki/GraphBuilder打包好的程序下载地址：http://maps5.trimet.org/otp-dev/otp.zip 使用这个只需转化好地图数据，放到指定文件夹下就能直接使用了详见如下几个教程2 minute introduction5 minute detailed dive-inAvailable web app language translations当然也可以直接下载源码，github上的文档也是非常详细的https://github.com/openplans/OpenTripPlanner/wiki/GettingStartedEclipse下面的是源码中的各个工程：opentripplanner‐api‐extendedweb应用程序可以有选择性的显示一个地图;需要一个地图服务器（geoserver）• opentripplanner‐api‐webapp为trip planning 引擎提供一个REST风格的API• opentripplaner‐geocoder为OTP的地理编码提供一个REST风格的API• opentripplanner‐graph‐builder用于配置和构建trip planner图(命令行工具)• opentripplanner‐webapp为trip planning 引擎提供WEB UI• opentripplanner‐gui为了开发和故障排除的图可视化• opentripplanner‐integration系统集成测试• opentripplanner‐routing 核心路由算法,数据结构和一些库• opentripplanner‐utils编码polylines(shapefile)下面的是我用OSM-北京作为数据源部署的程序在其他程序中调用
考古apollo3.0 EMplanner笔记rawio
02-18
在Apollo 3.0版本中，EM Planner（Expectation-Maximization Planner）是一个关键组件，用于实现车辆的路径规划和速度控制。EM Planner采用了先进的算法来处理复杂的道路环境，确保车辆能够安全、高效地行驶。以下是...
百度Apollo5.0规划模块代码学习（四）开放空间回退决策分析
wwyklnh的博客
09-05 1622
关于开发空间的相关介绍可以参考Apollo帮助文档：apollo/docs/specs/Open_Space_Planner.md。 简单来说，就是开放空间规划算法是针对倒车停车和急转弯开发的一种算法。 此算法接受来自两个不同来源的输入： -感知数据，包括但不限于障碍物； -通过高清地图获得的感兴趣区域（ROI）； 一旦数据就位，就会触发开放空间规划器。算法可以分为两步。 其算法结构如下图所示： ...
Apollo规划代码ros移植-混合A*
weixin_39735688的博客
06-09 2654
今天学习移植一下混合A*（Hybrid a）。想要工程代码的看我这一篇： Apollo6.0规划代码ros移植-路径规划可跑工程分享1.A start算法 使用A Star 算法实现自动寻路详解 2.Rs曲线 Reeds-Shepp和Dubins曲线简介[运动规划算法]Dubins曲线和Reeds-Shepp曲线 Hybrid A star是一种带有半径约束的路径平滑规划算法，算法思想来自A算法，但A是没有考虑平滑和半径约束的路径规划算法，且基于栅格地图的网格搜索算法，它们的目标代价函数是为了形成一条路径最
Baidu Apollo代码解析之Open Space Planner中的Hybrid A*
silver bullet
12-10 7481
大家好，我已经把CSDN上的博客迁移到了知乎上，欢迎大家在知乎关注我的专栏慢慢悠悠小马车（https://zhuanlan.zhihu.com/c_1132958996826546176）。以后，我会把日常的思考放在CSDN上，梳理过的精华文章放在知乎上，希望大家可以多多交流，互相学习。 目录 1. 节点的定义 2.Hybrid A*的规划主流程 3. 碰撞检测 4. ReedS...
百度Apollo5.0规划模块代码学习（五）开放空间回退决策分析
wwyklnh的博客
09-05 1397
代码分析如下： 加载配置文件， OpenSpaceFallbackDecider::OpenSpaceFallbackDecider(const TaskConfig& config) : Decider(config) {} 对于二次型公式：ax^2+bx+c=0，返回较小的解。非常正常的解法。 bool OpenSpaceFallbackDecider::Quardratic...
Apollo学习笔记（14）混合A*
qq_24649627的博客
12-03 1845
本文不做具体的细节描述，网上各位大神的文章都很好，本文仅仅作为记录。 这里先奉上大神的链接： https://www.cnblogs.com/chuninggao/p/7281122.html https://blog.csdn.net/robinvista/article/details/106279968 https://zhuanlan.zhihu.com/p/122544884 https://zhuanlan.zhihu.com/p/120272035 综上几篇文章看完后，应该会对 hybri.
Hybrid A*示例代码KTH的path_planner分析
weixin_43693946的博客
04-25 490
Hybrid A star Algorithm Analysis updating… 1. Data Flow in main.cpp // init ros node ros::init(argc, argv, "a_star"); // main function HybridAStar::Planner hy; hy.plan(); // main process ros::spin(); return 0; there are two
apollo混合A*
08-16
Apollo混合A*是Apollo自动驾驶平台中使用的一种路径规划算法。它结合了传统的A*算法和混合动力系统（Hybrid A*）算法的优点。 混合A*算法主要用于在二维或三维环境中寻找最优路径。它通过将地图离散化为一个有限的网格，将连续的状态空间转化为离散的状态空间。然后，使用A*算法在离散状态空间中搜索最短路径。 A*算法是一种启发式搜索算法，它使用启发函数来估计从当前位置到目标位置的代价。在每一步中，A*算法选择一个代价最小的节点进行扩展，直到找到目标节点或无法继续扩展为止。 混合A*算法在搜索过程中，对于机器人在连续状态空间中的运动，采用混合动力系统进行模拟。通过采样机器人运动的离散动作，混合A*算法可以有效地处理动态约束和运动非线性性。 总结来说，Apollo混合A*算法结合了A*算法和混合动力系统，可以在离散状态空间中搜索机器人的最优路径，并考虑到动态约束和非线性运动。这使得Apollo在自动驾驶场景下能够高效且准确地进行路径规划。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

牛仔很忙^

雪中送炭者，定当铭记在心！

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值