Apollo-规划*

规划分两步：规划路线、轨迹规划

• 前者讲究怎样到达目的地
• 后者讲究怎么样同时保证安全和舒适

轨迹规划由许多点组成，这些点包含了到达该位置时的速度和时间戳

路线规划（Routing）

输入：

• 地图：同时包含了交通状况等信息
• 我们的位置
• 目标位置

Map to Gragh（将地图转化为图）

我们将道路当成节点，道路的连通情况当成线，构建出我们的图。
这样，A到B的道路搜索，就能转化为图的路径搜索，从而用到图论中的搜索算法。

A*算法

目标：找到一条从橙色到绿色的最佳路径

方法：f = g + h
g：当前节点到相邻节点的成本
h：相邻节点到目标节点的估计成本（启发值）
选择f最小，但又没访问过的点进行拓展，直到到达我们的目的地。

举个实例

路径规划

评估一条路径

1. 无碰撞、过程平滑舒适
2. 实际可行（开得出来）
3. 合法

而达成这些目标的路线可能有很多，我们用成本函数做进一步评估，得到最好的路线（不同的场景可以用不同的成本函数）

Frenet坐标

描述的是车辆和车道的相对位置

处理的时候是按照垂直来处理的

路径-速度解耦规划

速度曲线+路径曲线相结合

路径的生成和选择

这里主要说一下生成：

将车道划分为很多区域，每个区域随机生成许多点，将这些点随机连接，生成路径。

ST图

利用ST图来构建速度曲线：（斜率代表速度）

速度规划

我们将连续曲线离散化，将ST图划分为许多小方格，每个方格内确保速度不变。将可能的障碍物在图像中用矩形表示。

这样处理我的理解是：“毕竟也不可能说速度在每个时刻都进行变化吧”（但明显这里还是有问题：拐点的速度应该也实现不了突变吧）

优化

使用二次曲线将图像变得平滑：

路径-速度轨迹生成

四步：随机生成、成本估计（选出最优）、二次优化（平滑处理）、拟合

ST轨迹的终止状态

• 巡航：定速
• 跟车：根据前车变化
• 停止：保证在停车点上速度、加速度为0

Lattice规划的轨迹生成

ST是纵向偏移和时间的函数图像
SL是纵向偏移和横向偏移的函数

总结

A*算法进行路线规划

路径-速度解耦（路径时间图像、速度时间图像）、Lattice规划（ST SL图像）形成规划路径

最终构建出三维路径规划图（x y t）