Apollo-规划技术介绍1*

motion planning overview

是什么?

寻找最优解

两种环境以及对应的算法：

• partially observed：D*
• fully observed：A*

规划中的一些难点：

• 动态物体的分析
• 交通规则
• 实时性：有限的时间里找到一个比较好的解（所以这也是为什么很多大公司都是用C++,因为C++快呀）

要求：安全平稳

信息分两种：

• 动态：比如实时感知到的信息
• 静态：高精度地图上的信息

规划模块所能看到的信息

轨迹：路径+速度

参考文献

Motion Planning Approaches

道路约束的类别（Types of Path Constraints）

第二点中bounded curvature（有界曲率）表示的是车实际可行的行驶轨迹

将问题简单化的一种方法：连续空间离散化

路径规划的方法

PRM：一种抽象连续空间的方法
“在整个空间中撒点”

RRT：随机撒点，挨个连接，连线不穿过障碍物。如果撒的点太远了，就重新撒。缺点：不够平滑

Lattice Sampling

将地图网格化，构建一条机器人能够行进的，曲率连续的曲线。

动态规划：“算过的东西，之后可以直接用，减少重复计算”

最初的LaLattice：“到处撒点”、“不长记性”
改进的版本：动态规划“长记性”
再改进（在规则的路面没必要这样随机撒点）

一种优化

分成path、speed两个模块

优化思维

高维空间不知道怎么优化，就拆分成低维，在低微中进行优化，看再次组合成高维时，是否也有优化。

“凸空间有唯一最优解，要么在边界，要么在中心”
那么就能用二次规划的方式，快速找到最优解。

图像平滑

bezeir splone
更高级的：quadratic spline / quantic spline

无穷阶的平滑：直线（平滑阶数越高，越会较远的脱离原有的离散的点）

总结

• 通过动态规划的方式将
• 二次优化：在凸空间中，可以以非常快的速度找到最优解