qq_35635374的博客

算法入口在 planning\tasks\optimizers\path_time_heuristic\path_time_heuristic_optimizer.cc。速度规划这块，可以参考一下EM Planner，保留了EM的思想，DP+QP。1、S-T图离散，动态规划（代价最小的有向图搜索）

跟踪减速和停车的控制，放到twist控制更底层的地方做，这样的安全性和稳定性，优先级都更加高。（2）传感器检测到前方有障碍物：篡改导航的twist控制指令，实现跟踪减速和异常停车的控制。（1）阶跃twist控制指令的加减速滤波：可以采用轻量化的滤波器实现。详细可看看我这篇twist指令分层控制。【基于逻辑的算术控制方法–速度控制】bool逻辑、算术逻辑、滤波器等等。

起点和目标点状态约束包括位置、速度、加速度。最大速度限制v {lim}，最大加速度 a {lim}，最大加加速度 j {lim}给定起点和目标点的状态约束与速度限制值，拟合生成两点之间的运动轨迹，该运动轨迹满足速度平滑且小于速度约束条件。，也可体现在运动总时间T和运动总长度与速度限制值的关系上（非归一化表达）T取等号时，归一化变量u处达到极值，即T取等号以达到时间最短的速度规划。无论上上面那种方法，都可得到连续平滑的归一化7次多项式。不同的起点和目标点的状态约束，解出来的系数是不一样的。

给定起点和目标点的状态约束与速度限制值，拟合生成两点之间的运动轨迹，该运动轨迹满足速度平滑且小于速度约束条件。起点和目标点状态约束包括位置、速度、加速度。最大速度限制v {lim}，最大加速度 a {lim}，也可体现在运动总时间T和运动总长度与速度限制值的关系上（非归一化表达）T取等号时，归一化变量u处达到极值，即T取等号以达到时间最短的速度规划。无论上上面那种方法，都可得到连续平滑的归一化5次多项式。不同的起点和目标点的状态约束，解出来的系数是不一样的。根据速度限制值与速度曲线表达式，

给定起点和目标点的状态约束与速度限制值，拟合生成两点之间的运动轨迹，该运动轨迹满足速度平滑且小于速度约束提奥健。，也可体现在运动总时间T和运动总长度与速度限制值的关系上（非归一化表达）T取等号时，归一化变量u处达到极值，即T取等号以达到时间最短的速度规划。无论上上面那种方法，都可得到连续平滑的速度曲线表达式和位置曲线表达式。不同的起点和目标点的状态约束，解出来的系数是不一样的。并使得，3次多项式轨迹的最大速度 v{max}根据速度限制值与速度曲线表达式，设：插补总长度L 、总运动时间T。

本文先对基于曲线实现速度规划、基于逻辑实现速度规划做个简单的介绍，具体内容后续再更，其他模块可以参考去我其他文章提示：以下是本篇文章正文内容1.介绍Double S规划也叫S形曲线规划，S轨迹也称作七段轨迹曲线，因此主要由七段函数构成。，Point to Point的直线速度规划2.图例位置曲线速度曲线加速度曲线加加速度曲线标记q0:起点q1:终点v0:初始速度v1:终点速度a0:初始加速度a1:终点加速度j0:初始加加速度j1:终止加加速度。

认知有限，望大家多多包涵，有什么问题也希望能够与大家多交流，共同成长！本文先对算术滤波平滑的方式做个简单的介绍，具体内容后续再更，其他模块可以参考去我其他文章提示：以下是本篇文章正文内容。

认知有限，望大家多多包涵，有什么问题也希望能够与大家多交流，共同成长！本文先对使用滤波器进行滤波平滑做个简单的介绍，具体内容后续再更，其他模块可以参考去我其他文章提示：以下是本篇文章正文内容（1）阶数越高，整定的参数越多，一般我用到三阶就差不多了（三阶已经有四个参数了）（2）如何选择高通、带通、低通滤波器主要看信号的特性。

本文先对基于Frenet车道线坐标系，采用DP探索、QP优化进行速度解耦局部规划做个简单的介绍，具体内容后续再更，其他模块可以参考去我其他文章提示：以下是本篇文章正文内容。

本文先对EM_planner最大期望滚动优化算法做个简单的介绍，具体内容后续再更，其他模块可以参考去我其他文章提示：以下是本篇文章正文内容。

系列文章目录提示：这里可以添加系列文章的所有文章的目录，目录需要自己手动添加TODO:写完再整理文章目录系列文章目录前言一、FootSwingTrajectory（bezier曲线）的内容二、FootSwingTrajectory（bezier曲线）的设置/获取相关函数1、设置脚的起点位置函数2、设置脚的终点位置函数3、设置摆动腿的最大高度函数4、获取此时轨迹坐标，获得摆动腿的当前点位置的函数5、获取此时轨迹导数，得到摆动腿上当前的脚速度函数6、获取此时轨迹二次导数，得到脚在当前点上的加速函数三、用