![3c9d93c14d0c5daa8e70c57713befbb4.png](https://img-blog.csdnimg.cn/img_convert/3c9d93c14d0c5daa8e70c57713befbb4.png)
自DARPA挑战赛以来,自动驾驶的规划算法大量涌现,但是依据其特征,大体可以分为两个方向,第一个派别是采样一派,这个采样派讲究采样的有效性、离散度,是否能增加算法的相对完备性,根据这个采样的不同,又有随机性采样和确定性采样,其实采样的目的,就是为了提高搜索效率,但是与此同时也使算法的完备性丢失。本文对各种采样方式也梳理了一下,甭管什么采样方式,总之都是为了生成有效轨迹,然后这个轨迹生成的算法,又有很多派别,比如直接派和解耦派,最优化派和最优控制派等等,但这不是本文的重点,我们下一篇文章更新轨迹生成算法的解说。第二个派别是最优化一派,最优化一派如果做的是路径优化,就离散x,优化y;如果做的是轨迹优化,即[x,y,t],就离散t,去优化[x,y],建立凸目标函数,建立凸可行域,KIT,汉阳大学,Berkeley分别发了好几篇文章,并且也搭建有实验平台来说明最优化的有效性,但是关于最优化这一派,本文也不讲,留到下下篇文章再专门说。
一个运动规划算法,各位大佬先先后后不厌其烦地开发了这么多种类,是吃饱了撑的吗?当然不是!要知道,这个世界上没有最好的算法,只有最适合的算法