Apollo自动驾驶教程学习笔记-Apollo规划技术详解6-1

课程链接：http://bit.baidu.com/Course/detail/id/294.html
讲师：樊昊阳 百度Apollo研发工程师

说明：因个人工作方向变更的原因，该系列学习笔记不再更新，如有影响还请抱歉

接下来的几节课内容，讲解关于运动规划的知识。老师也很可爱，思路挺流畅。

运动规划部分的内容分为：

• 基本介绍（也就是这一节）
• Robotics基本知识以及和运动规划的关系
• 怎么处理信息
• 算法核心，最优解问题
• EM Planning
• 发展方向，数据驱动方面

基本运动规划

motion planning，即运动规划，规划的本质是搜索问题，也就是求某个目标函数的最优解的问题。对于无人车来说就是求无人车运动的最优解问题。

简单化

首先将问题简单化：就是一个Path finding问题，搜索最优路径。
比较经典的算法：深度优先、广度优先算法，他们的问题是没有利用目标位置，运算量会相对较大；
还有A算法，问题是它是全局搜索，需要知道全局信息，通常作为全局优化算法。
现在很多算法依然是基于最初A的思路衍生出来的。

无人车算法的区别

无人车算法相对于这个简单问题来说，有一些更为复杂的问题，比如：

• 无人车是部分观察系统，只能获得当前位置附近的信息；
• 无人车所在环境的障碍物是在时刻变化的，而且障碍物有速度属性，不能当做静止物体处理。
  从而，A*算法就不适合了。

这时就引出了局部规划，incremental search，算法求解局部最优解或相对好的解，比如D*用于月球车（还是火星车？），就是局部路径规划算法。
无人车的规划问题是部分关心全局最优解的问题。

平滑

之前说的算法，都是把结果路径按照折线表示，这样对于实际无人车来说无法使用，离散化的算法结果不能直接用，需要平滑，平滑不只是要平滑路径，还要平滑速度。

未解决的问题

1. 环境是动态的，规划模块如何解动态环境下的最优解；
2. 无人车上路要满足交通规则，如何吧交通规则融合到算法中；
3. 实时计算，要求规划算法的实时性很高，通常在0.2-0.3s；
4. 高精地图在其中也起到很大的作用，先验知识；

其他

1. 无人车的5个模块：定位、感知、预测、规划、控制，都很重要。
2. 轨迹不只是一条线，而是一条动态的线，这个动态的线包括了平滑后的速度，所以这个轨迹不叫trace，而是叫trajectory，包括平滑路径和平滑速度。
3. 不要因为用算法而用算法，而是要从问题出发，先知道要解决什么问题，然后思考能不能用算法解决。

参考文献

• 书籍：Motion Planning Algorithms
• 书籍：Principles of Robot Motion: Theory, Algorithms and Implementations
• 论文：A Review of Motion: Planning Techniques for Automated Vehicles
  （做笔记没有记全，作者也没记，大概是这个名字，应该不会有重名）