qq_45993770的博客

驾驶分数是一个综合评估自动驾驶系统表现的指标，涵盖了多方面的因素，如任务完成度、违规行为、安全性、舒适度与效率等。通过加权计算这些因素的分数，驾驶分数能够提供一个简洁、量化的方式，帮助开发者评估自动驾驶系统的表现，并指导其优化和改进。

曲率是描述曲线弯曲程度的量度。在二维空间中，对于一条曲线，曲率κκdθdsκdsdθ​dθ是曲线的切线方向（即车辆朝向）相对于路径切线的变化量。ds是路径上的微小弧长增量。apollo代码中，kappa()函数返回的是车辆当前位置的曲率，即路径在该位置的弯曲度。通过计算车辆的朝向（航向角）和路径的弯曲程度，kappa可以决定车辆当前需要多少转弯量以及转弯的方向（左或右）。

在学习apollo时，常把控制的周期为10ms，规划的周期为100ms，规划的轨迹是一条长度为4~8秒的一个关于时间的轨迹，控制每隔10ms向规划搜索一次轨迹点用于控制。每隔100ms会计算一条新的轨迹，这里什么时候会发布一次轨迹呢？因为规划模块可能在当前时刻T开始规划轨迹的计算，计算耗时可能30ms，那是计算完毕就开始发送出去吗？EMplanner中的Frenet坐标系起点是自车向参考线的匹配点作为坐标系原点。lattice算法中是以参考线的起点作为Frenet坐标系的起点的。

即reference line的计算要根据获取的routing信息(包含路径的lane id，segment id等)，检索pnc map(通过KD Tree)，得到路径中的路径点，即道路中线的离散点。对于自动驾驶的参考线生成，首先明确的一点是，其为一个实时的过程，是需要不断地根据当前自车的位置，全局路径以及道路信息，获取当前的参考线的。

在进行自动驾驶的规划之前，要确定当前帧轨迹规划的起点，这个起点常被误认为是当前车辆的位置，即每次以车辆的当前位置进行轨迹规划；其实不是这样的，直观上，这会导致本次次规划的轨迹同上次规划的轨迹之间是不连续的，这个不连续传递到控制模块，由于轨迹规划出的轨迹对于控制而言就是参考线，那么由于参考线是不连续的，对控制器而言就是朝令夕改。

A*算法是在静态栅格地图中，搜索出一条从起点到终点的，无碰撞的最优路径的路径搜索算法；从open List中选择最小的F的节点，作为处理节点a，先加入close List中，然后，进入步骤3；寻找起点S周围可以到达的方格（最多八个），将它们放入到开启列表”，并设置它们的父方格为S，计算每个周围方格的F值。从起点S开始，把S作为一个等待检查的方格，放入到开启列表”中(开启列表”就是一个存放等待检查方格的列表)从开启列表”中删除起点S,并将S放入到关闭列表”中(“关闭列表”存放的是不再需要检查的方格)；

proto文件用法

决策规划模块的逻辑关系与软件架构，主要学习b站c哥，本博客做一个学习记录提示：这里对文章进行总结。