Apollo项目::轨迹规划综述::导航规划、行为规划、动作规划

轨迹规划分为不同层次：导航规划、行为规划、动作规划。这里一一展开简单来说。

1.导航规划

A*算法一直是一个经典高效的离散空间路径搜索算法，这里导航规划我们就直接等同于A*算法来讲解。

2.行为规划

依据全局导航路线信息，根据当前交通场景和环境感知的信息，加上自身当前驾驶状态，在交通规则的约束和驾驶经验的指导下规划出合理的驾驶行为。

这是决策层最核心的部分，做出正确的行为规划，是无人驾驶的最高目标！俗称“聪明的大脑”！目前在没有一个“最佳解决方案”，普遍认可和采用的方法是分层有限状态机，最近也有用基于马尔可夫决策的模型。

行为决策层需要解决的问题如下：

a. 所有的路由寻径结果：比如无人车为了达到目的地，需要进入的车道是什么（Target Lane）。

b. 无人车的当前自身状态：车的位置速度朝向，以及当前主车所在的车道。

c. 无人车的历史信息：在上一个行为决策周期，无人车所做出的决策是什么？是跟车，停车，转弯或者是换道？

d. 无人车周边的障碍物信息：无人车周边一定距离范围内的所有障碍物信息。例如周边的车辆所在的车道，邻近的路口有哪些车辆，它们的速度位置如何？以及在一个较短的时间内它们的意图和预测的轨迹。周边是否有自行车或者行人，以及他们的位置速度轨迹等。

e. 无人车周边的交通标识信息：一定范围内的Lane的变化情况。比如路由寻径的结果是在Lane1的纵向位移10m处换道进入对应的相邻Lane2的纵向位移20m处，那么Lane1的合法的纵向位移换道空间是多大？比如从一个直行Lane行驶结束，需要进入下一个左转Lane，两条Lane的交界处是否有红绿灯或者人行道？

f. 当地的交通规则：例如道路限速，是否可以红灯右拐等等。

3.

轨迹规划是自动驾驶技术中最重要的部分，之前的文章有一些这方面的介绍，但是并不全面和系统：

初探轨迹规划：主要从带约束的多项式拟合；贝赛尔曲线；三次样条差值；等角度介绍轨迹规划。
动态避障规划：主要从周围车辆预测；轨迹初始化；避障优化轨迹等角度介绍轨迹规划。

然而这些文章不够全面和系统，不免产生盲人摸象的感觉，这里结合百度Apollo和pony.ai较为系统和全面的介绍次轨迹规划。

        轨迹规划本质上来说是一个优化问题。谈到优化问题，我们需要知道优化的约束和优化的目标。

        首先看约束，

        第一个约束就是车辆要遵守交规，这是强制性的约束；

        第二个约束是要避免碰撞；

        第三个约束是要使规划的轨迹在控制上可实现，不能出现规划了一个急弯的轨迹，车根本拐不过来的状况。

        而优化的目标总的来说就是要跟人开的像，具体表现就是让人乘坐起来感到舒适。但像人也有不同的优化目标，比如我们可以开的稳一点也可以开的急一点，像老司机一点。

3. 规划

正是因为轨迹规划是非凸的，所以我们需要用决策的模块来解决。什么是决策呢？从数学上来讲，决策就是限定非凸问题的解空间，将问题转化为凸的。我们可以看下图的例子，如果两个人在穿马路的话，我们大体上可以有四种不同的决策，既让两个人，超两个人，让一超一和超一让一。而一旦决策确定，那么其实就可转换为凸的问题，求解就会相对来说比较容易。决策也会使解更加稳定，因为一个单纯的数值优化问题的求解，会很难保证每一帧的解是相对稳定的，不会出现第一帧要让，而第二帧却要冲的问题。但需要注意决策的问题是一个NP-hard 问题。有一些需要决策的场景，比如抢行还是让行，是否要冲黄灯，在哪两辆车之间变道、并线，是否要主动变道，是从左还是右绕行前方障碍物，只有做了决策才能使问题变为凸优化问题，便于求解。

对于凸问题，有很多比较快速的算法进行计算了。线性规划，二次规划，序列二次规划，都是数值求解优化问题的方式。我们可以看一下二次规划中，如果Q正定，二次规划就是凸的问题，有很快的方式求解它。

下边就是看如何把自动驾驶中的问题转化为优化问题。

动态避障规划

动态避障规划是接上回，导航规划和行为规划之后，动态避障规划是以上方面的具体实现，直接输出的是车辆行驶轨迹，如何合理的输出轨迹是自动驾驶的关键。

本文分为以下三个方面来实现：周围车辆预测，轨迹初始化，避障优化轨迹。

(5条消息) 轨迹规划综述_旅途者0107的博客-CSDN博客_轨迹规划

(49条消息) 自动驾驶（十五）---------再论轨迹规划_一实相印的博客-CSDN博客_分层有限状态机

(49条消息) 自动驾驶（十六）---------动态避障规划_一实相印的博客-CSDN博客_动态避障

(49条消息) 自动驾驶（五十四）---------三顾轨迹规划_一实相印的博客-CSDN博客

(49条消息) 自动驾驶（五十五）---------四解轨迹规划_一实相印的博客-CSDN博客_四阶轨迹规划

(49条消息) 自动驾驶（八十三）---------Apollo之规划模块_一实相印的博客-CSDN博客_apollo 路径规划模块类图

Apollo项目::轨迹规划综述::导航规划、行为规划、动作规划相关推荐

基于Frenet优化轨迹的⾃动驾驶动作规划⽅法
来源丨深蓝AI 点击进入->3D视觉工坊学习交流群动作规划(Motion Control)在⾃动驾驶汽⻋规划模块的最底层,它负责根据当前配置和⽬标配置⽣成⼀序列的动作,本⽂介绍⼀种基于Fre ...
仿摩拜单车APP(包括附近车辆、规划路径、行驶距离、行驶轨迹记录，导航等)
本文是由奇虎360公司高磊关于使用百度地图仿摩拜单车APP,原文地址:http://blog.csdn.net/gaolei1201/article/details/60876811 最近共享单车很火 ...
Android百度地图实例详解之仿摩拜单车APP(包括附近车辆、规划路径、行驶距离、行驶轨迹记录，导航等)
Android百度地图实例详解之仿摩拜单车APP(包括附近车辆.规划路径.行驶距离.行驶轨迹记录,导航等) 标签: android百度地图行驶轨迹记录共享单车行驶距离和时间 2017-03-08 20 ...
百度无人驾驶apollo项目路径规划a*算法分析
百度无人驾驶apollo项目路径规划a*算法分析车辆路径规划寻路算法有很多,apollo路径规划模块使用的是启发式搜索算法A*寻路算法 a*算法是一种在路网上中求解最短路径的直接搜索寻路算法,原理是 ...
Apollo项目导航模式下的坐标转换研究
严正声明:本文系作者davidhopper原创,未经许可,不得转载. Apollo项目导航模式下,规划模块输出的轨迹点使用FLU车身坐标系(见我的另一篇博客<Apollo项目坐标系研究> ...
自动驾驶车辆运动规划综述-2015
0.摘要智能车辆已经提高了其在受控环境下实现高度.甚至完全自动驾驶的能力.使用车载传感器和通信网络系统(即基础设施和其它车辆)接收场景信息.考虑到可用的信息,不同的运动规划和控制技术已经被实现用于复 ...
综述：城市道路自动驾驶车辆规划与控制技术
作者 | 深蓝学院编辑 | 深蓝AI 点击下方卡片,关注"自动驾驶之心"公众号 ADAS巨卷干货,即可获取点击进入→自动驾驶之心[规划控制]技术交流群后台回复[规划控制综述 ...
无人驾驶汽车系统入门——基于Frenet优化轨迹的无人车动作规划方法
作者简介:申泽邦(Adam Shan),兰州大学在读硕士研究生,主攻无人驾驶,深度学习: 动作规划动作在无人车规划模块的最底层,它负责根据当前配置和目标配置生成一序列的动作.本文介绍一种基于Frene ...
机器人运动学轨迹规划（三）----S型曲线规划算法
写在前面:机器人运动学轨迹规划(二)里介绍了T型曲线规划算法,本文主要介绍S型速度曲线算法.同T型速度曲线相比,S形曲线更加平滑,避免了T形曲线在速度拐点引起的电机和drive train的冲击,但是 ...

Apollo项目::轨迹规划综述::导航规划、行为规划、动作规划

3.

动态避障规划

Apollo项目::轨迹规划综述::导航规划、行为规划、动作规划相关推荐

最新文章

热门文章