Apllo进阶课程19- Apollo规划技术详解——Optimization Inside Motion Planning

Apollo 规划技术详解——Optimization Inside Motion Planning

在自动驾驶软件的开发中，运动规划是最核心的模块之一。它将综合感知、定位和地图等信息，规划出无人车未来一段时间（约10秒）的一系列动作指令（方向盘转角、油门、刹车等）。

运动规划的问题——目标函数（objective function）和约束（constraint）。运动规划的最终目的就是找出一条最优的运动轨迹，使其能够最小化（或者最大化）目标函数，并且不违背任何约束。

约束问题的核心有三点：第一是目标函数的定义，目标函数比较清晰，对于后面的求解更有帮助。第二是约束，比如路网约束、交规、动态约束等。第三是约束问题的优化，比如动态规划、二次规划等。本节主要介绍动态规划和二次规划的基本概念，以及二次规划问题的求解方法和形式化方法。

动态规划

动态规划通过类似于有限元的方式，把问题从连续空间抽象成离散空间，然后在离散空间中进行优化。虽然这种方法可以逼近连续空间中的最优解，但是计算复杂度很高。针对计算时间长的问题，可以使用牛顿方法进行优化，它的收敛次数是指数平方，也叫二次收敛。

二次规划

二次规划算法的本质是牛顿法的 Taylor 展开，但是它的求解过程涉及更复杂的情况。因为二次规划方法并不一定是处理一维问题，可能涉及更高阶求导。在实践中，二阶导数基本可以满足问题需求。

二次规划问题的求解方式

然而，