自动驾驶软件工程之全局规划

自动驾驶技术作为现代交通领域的革新力量，其软件工程中的全局规划环节扮演着至关重要的角色。本博客将深入剖析自动驾驶全局规划的核心原理与实现方法，包括道路网络建模、路径搜索算法、决策制定策略等关键内容。通过全面阐述全局规划在自动驾驶中的作用，以及探讨其面临的挑战与未来发展趋势，本文旨在为自动驾驶软件工程的研发提供有益的参考和思路，推动自动驾驶技术的进一步发展与应用。

全局路径规划算法属于静态规划算法，根据已有的地图信息（SLAM）为基础进行路径规划，寻找一条从起点到目标点的最优路径。通常全局路径规划的实现包括Dijikstra算法，A*算法，RRT算法等经典算法，也包括蚁群算法、遗传算法等智能算法； 

1. Dijkstra算法和A*算法

 规划主要分为全局规划、局部规划和行为规划 

Dijkstra算法是由计算机科学家Edsger W. Dijkstra在1956年提出，用来寻找图形中节点之间的最短路径。在Dijkstra算法中，需要计算每一个节点距离起点的总移动代价。同时，还需要一个优先队列结构。对于所有待遍历的节点，放入优先队列中会按照代价进行排序。在算法运行的过程中，每次都从优先队列中选出代价最小的作为下一个遍历的节点。直到到达终点为止。

A*算法，A*（A-Star)算法是一种静态路网中求解最短路径最有效的直接搜索方法，也是解决许多搜索问题的有效算法。算法中的距离估算值与实际值越接近，最终搜索速度越快。 

2. 行为规划和轨迹规划

参考文献

自动驾驶软件工程课程系列6：全局规划

A*算法详解一看就懂（python）_在键盘上弹钢琴的菜菜的博客-CSDN博客_a*算法

自动驾驶规划模块（Planning）_Sean Wong的博客-CSDN博客_planning 自动驾驶

无人驾驶路径规划（一）全局路径规划 - RRT算法原理及实现_FlyingKonan的博客-CSDN博客_全局路径规划