Apollo无人驾驶课程笔记 第六课-规划

1. 规划简介

在规划中，我们通过结合高精地图、定位和预测来构建车辆轨迹。

规划的第一步是路线导航，侧重于如何从地图上的A点前往B点。在进行路径规划时，将地图数据作为输入，并输出可行使路径。轨迹规划的目标是生成免碰撞和舒适的可执行轨迹，该轨迹由一系列点定义，每一个点都有一个关联速度和一个指示何时应抵达那个点的时间戳。

2. Sebastian 介绍规划

略

3. 路由

路线规划的目标是从地图上的A点前往B点，路线规划有三个输入：地图、起当前在地图上的位置、目的地。

4. 世界到图

在进行路径搜索前，需要将地图转换为“图"这一数据结构。路线规划所用的搜索算法实际上绝大部分都是基于图的搜索算法。我们将地图转换为图，并且引入”开销"(或者说“成本”)的概念，

图论（Graph theory），是组合数学的一个分支，和其他数学分支，如群论、矩阵论、拓扑学有着密切关系。图是图论的主要研究对象。图是由若干给定的顶点及连接两顶点的边所构成的图形，这种图形通常用来描述某些事物之间的某种特定关系。顶点用于代表事物，连接两顶点的边则用于表示两个事物间具有这种关系。

5. 网格世界_a &6. 网格世界_b& 7. 网格世界_c

A*搜索算法（A ^* search algorithm）是一种经典的路径搜索算法，是一种在图形平面上，有多个节点的路径，求出最低通过成本的算法。

该算法综合了最良优先搜索（英语：Best-first search）和Dijkstra算法的优点：在进行启发式搜索提高算法效率的同时，可以保证找到一条最优路径（基于评估函数）。

在此算法中，如果以g(n)表示从起点到任意顶点n的实际距离，h(n)表示任意顶点n到目标顶点的估算距离（根据所采用的评估函数的不同而变化），那么A*算法的估算函数为：

$f(n)=g(n)+h(n)$

这个公式遵循以下特性：

• 如果g(n)为0，即只计算任意顶点n到目标的评估函数h(n)，而不计算起点到顶点n的距离，则算法转化为使用贪心策略的最良优先搜索（英语：Best-first search），速度最快，但可能得不出最优解；
• 如果h(n)不大于顶点n到目标顶点的实际距离，则一定可以求出最优解，而且h(n)越小，需要计算的节点越多，算法效率越低，常见的评估函数有——欧几里得距离、曼哈顿距离、切比雪夫距离；
• 如果h(n)为0，即只需求出起点到任意顶点n的最短路径g(n)，而不计算任何评估函数h(n)，则转化为单源最短路径问题，即Dijkstra算法，此时需要计算最多的顶点；

有关A*算法，可以参考很多博客，我准备有时间也写一个（flag

8. A*

现在我们来考虑现实中的情况，假设现在到了一个交叉路口，我们可以直走、左转和右转。首先，我们把地图转换为具有三个候选节点的图形。

接下来，我们将对选项进行评估，在实际生活中，拐过交叉口很费劲，所以我们为这个节点分配了更高的g值，g值是从起始点到候选节点的成本。

在查看公路选项之后，我们意识到必须走很长的路才能离开公路，并返回我们的目标。所以我们为该选项分配了更高的h值，h值是从候选节点到目的地的估计成本。

接下来，我们将通过g值和h值的相加来计算每个节点的f值，我们看到，实际f值最低的对应的是最右边的候选节点，所以这是我们接下来要前往的节点。

9. 从路由到轨迹

高等级地图路线只是规划过程的一部分，仍需要构建沿这条路线前进的低等级轨迹，这意味着要处理不属于地图的物体如车辆、自行车、行人，例如可能需要与试图在前面掉头的汽车互动，或者可能希望在公路上驶过一辆慢车，这些场景需要更低级别、更高精确度的规划，我们将这一级别的规划称为轨迹生成。

10. 3D 轨迹

轨迹生成的目标是生成由一系列路径点所定义的轨迹，为每个路径点分配了一个时间戳和速度。让一条曲线与这些路径点拟合生成轨迹的几何表征，由于移动的障碍物可能会暂时阻挡部分路段，轨迹中的每个路点都有时间戳。