gsensor 车辆碰撞算法_自动驾驶规划里面最钟爱的采样类算法

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