Apollo规划模块：Em Planner算法原理解析（论文研读）

已于 2023-12-23 14:22:02 修改
阅读量8.5k 收藏 105
点赞数 12
分类专栏： Apollo自动驾驶预测规划控制算法 文章标签： 算法 自动驾驶 人工智能
于 2022-07-13 22:45:03 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/qq_41667348/article/details/125708616
版权
本文深入解析了Apollo自动驾驶系统中的EM Planner算法，详细介绍了算法思想、流程和应用场景。EM Planner通过多车道策略和路径速度迭代处理动态和静态障碍物，确保安全性和驾驶体验。算法迭代优化路径和速度，结合动态规划与二次规划，解决复杂交通场景中的规划问题。文章还探讨了算法在高速公路和城市驾驶中的应用，并对比了轻决策与重决策算法的优缺点。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

文章目录

一、算法概述

1、Apollo框架简述

先来介绍下整体的Pipeline。Apollo开源自动驾驶平台中，高清地图模块提供了每个在线模块都可以访问的高清地图。感知和定位模块提供了必要的动态环境信息，可以在预测模块中进一步用于预测未来的环境状态。运动规划模块考虑所有信息，以生成安全平滑的轨迹，并将其输入车辆控制模块。
在这里插入图片描述
EM planner是基于百度Apollo（开源）的实时运动规划系统。旨在解决工业4级运动规划问题。该规划器以多车道、路径速度迭代、交通规则和决策组合设计的安全性和乘坐体验为目标。

2、Em planer算法概述

系统分层覆盖了多车道和单车道自动驾驶；（1）系统的顶层是一种多车道策略，通过比较并行计算的车道级轨迹来处理车道变换场景。 （2）在车道级轨迹生成器中，它基于Frenet框架迭代求解路径和速度优化问题.（3）对于路径和速度优化，将动态规划DP和基于样条曲线QP的

了解本专栏 订阅专栏 解锁全文 超级会员免费看
【Apollo 6.0算法解析】Apollo EM Planner
xiewf的博客
01-06 6584
重新整理下Apollo EM Planner的算法实现。
Apollo规划模块：lattice算法原理解析
qq_41667348的博客
07-10 5710
Apollo规划模块以预测模块、routing模块、高精地图和定位的结果作为输入，输出一条平稳、舒适、安全的轨迹，下游交给控制模块去执行，由控制器完成对局部轨迹的跟踪控制。 Lattice算法属于规划模块，是一种局部轨迹规划器，输出是一条光滑无碰撞满足车辆运动学约束和速度约束的平稳安全的局部轨迹。输入端主要由三部分组成，感知及障碍物信息、参考线信息及定位信息。（预测模块、routing模块、高精地图和定位的结果）输出是带有位置、速度信息的一系列轨迹点组成的平稳、舒适、安全的轨迹。Lattice规划算法是一
EM算法学习教程（中文版）
06-03
通俗的介绍EM算法， 有EM算法的基本思路， 应用示例， EM算法的性质 EM算法的缺点改进方法 易于理解
EM planner算法（附代码理解）
LIUMAO99的博客
08-09 2802
EM Planner（Expectation-Maximization Planner）是百度Apollo自动驾驶平台中的一种面向L4级别的实时运动规划算法。该算法通过顶层多车道策略选择参考路径，并在Frenet坐标系下进行车道级的路径和速度规划。EM Planner的设计充分考虑了无人车的安全性、舒适性和可扩展性，能够适应高速公路和低速城区等多种场景。
基于动态规划的路径规划和速度规划 参考apollo 的dp路径规划和速度规划 更新:增加cpp代码实现
UUVRpbDt的博客
03-06 906
例如，在Apollo自动驾驶中，通过使用动态规划算法，可以实现多种路况下的智能导航，根据实时交通状况和历史路径数据，为车辆提供最优的路径推荐。同时，为了确保的稳定性和可靠性，apollo还采用了多种优化技术，如强化学习、人工智能等，为提供了更加强大的支持。在实际应用中，我们应该积极探索和应用动态规划算法，提高驾驶效率、降低能源消耗和排放，提高的稳定性和可靠性。在实际应用中，基于动态规划的路径规划和速度规划不仅可以提高驾驶效率、降低能源消耗和排放，还可以提高的稳定性和可靠性。三、动态规划在速度规划中的应用。
Apollo决策规划 - EM planner
BigDavid123的博客
03-08 2286
文章详细讲解了EM planner的理论，包括规划需要的背景知识🍎：五次多项式、凸优化和非凸优化、直角坐标与自然坐标转换，参考线🍎：平滑算法、避障(规划起点，轨迹拼接)，自动驾驶的轻决策和重决策🍎，二次规划带来的问题，SL、ST如何迭代求解
EM规划器：EMPlanner
lzw0107的博客
02-25 1万+
EM规划器：EMPlanner EM规划器，也是规划模块Planning的核心，主要的任务是根据： 感知模块Perception和预测模块Prediction得到的障碍物以及未来时间(e.g. 5s内)的运动轨迹 当前路况，禁停区、减速带、停车标志、人行横道等等 来最终规划无人车的最优行驶路径。从参考线提供器ReferenceLineProvider可以看到，当无人车面临变道时，就会存在多条参考线(变道时间可随机扰动，变道早可能进入车道1，变道晚就可能进入车道2)。那么EM规划器就需要计算每条参考线上的
论文-Baidu Apollo EM Planner
ymh博客
04-24 3189
摘要 规划系统包括多车道和单车道自动驾驶： 1.系统顶层是一种多车道策略，通过比较并行计算的车道级别轨迹来处理车道变更场景； 2.在车道轨迹生成器内部，迭代的解决基于Frenet框架的路径和速度优化； 3.为了优化路径和速度，提出了将动态规划与基于样条的二次规划相结合的方法；
运动规划论文——EMplanner
VamosCC的博客
08-03 682
本文翻译了百度EMplanner论文中附录2部分，对代码理解有一定帮助。 QP路径和速度规划使用同样的有约束平滑的样条多项式表示，下面我们将平滑样条多项式问题转化为具有线性约束的二次规划问题，因为一个具有二次型形式目标函数和线性约束的优化问题可以稳定且快速的求解。 ......
自动驾驶领域中Apollo-em Planner算法解析：路径规划与公式推导
最新发布
04-10
内容概要：本文深入探讨了Apollo自动驾驶平台中的em-planner算法，详细介绍了其在决策规划体系中的位置及其核心流程。em-planner主要负责底层路径规划，通过环境建模、采样与路径生成以及路径评估与优化三个阶段完成...
Apollo-em-planner算法深度解析：决策规划与路径规划的公式推导及采样算法详解,em-planner算法解析,Apollo- em- planner算法详解，公式推导 决策规划算法详解，路
03-08
Apollo-em-planner算法的详细介绍和解析，往往需要深入到每个具体环节的公式推导和算法原理中。例如，决策规划部分涉及到的约束条件推导、目标函数的设计，以及路径规划中的图搜索策略、动态窗口方法（DWA）和A*算法...
Baidu Apollo EM Motion Planner.pdf
08-02
百度自动驾驶论文，关于模型的下载，模型的生成，命令操作，及结果进行详细介绍
Baidu Apollo EM Motion Planner_路径规划_motionplanner_自动驾驶决策_自动驾驶_ap
10-02
自动驾驶决策仿真，一种自动驾驶路径规划的方法
Apollo规划论文
02-10
The planner is scalable to both highway and lower-speed city driving scenarios. We also demonstrate the algorithm through scenario illustrations and on-road test results.
Apollo决策规划——EM planner
BigDavid123的博客
06-07 1387
本文详细讲解了EM planner的思路，和决策规划的基础知识
Apollo EM Planner 论文解读
m0_55918181的博客
01-04 3897
EM planner论文解读
自动驾驶决策规划算法第二章——Apollo EM Planner理论篇
m0_62664599的博客
09-28 7094
111
基于Baidu Apollo EM Planner的决策规划算法总结
Yfhhhhhh的博客
04-05 2643
基于Baidu Apollo EM Planner的路径规划知识总结
Apollo EM Planner（DP决策+QP优化）
热门推荐
牛仔很忙
04-07 1万+
EM Planner
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

执着且专注

予人玫瑰，手有余香

¥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