技术文档 | 二次规划（QP）样条路径

参考：

https://mp.weixin.qq.com/s?__biz=MzI1NjkxOTMyNQ==&mid=2247486492&idx=1&sn=2bfb421186364cbd6b00fb278a4a70fe&chksm=ea1e1e6edd699778417d0b1dc6e009b445c8c03218d555f5c872ecc08f49f4b1767fcabdd029&mpshare=1&scene=1&srcid=#rd

 

Apollo的Planning分为参考线平滑、决策、路径规划、速度规划等部分。

从整体上来说，规划模块的架构分为两个部分：一部分负责对数据的监听、获取和预处理；另一部分负责管理各个优化模块。数据进入后，对其综合处理为规划模块的内部数据结构，由任务管理器调度合适的优化器进行各个优化任务。综合优化的结果，经过最终的验证后，输出给控制模块。

在设计上，实现了策略的可插拔，使得各个优化器可以灵活配置不同策略，提升迭代效率。

 

EM-Planner是具体的规划实施类，它基于高精地图、导航路径及障碍物信息作出实际的驾驶决策，包括路径、速度等方面。

首先使用DP（动态规划）方法确定初始的路径和速度，再利用QP（二次规划）方法进一步优化路径和速度，以得到一条更平滑的轨迹，既满足舒适性，又方便车辆操纵。

基于样条的车辆轨迹优化二次规划，为了寻求更优质更平滑，体感更好的路径，需要使用二次规划的方法寻找。需要的限制条件有：曲率和曲率连续性、贴近中心线、避免碰撞。

 

将路径划分为n段，每段路径用一个多项式来表示。

每个样条段 i 都有沿着参考线的累加距离。每段的路径默认用5阶多项式表示：

优化问题：

初始点约束：

终点约束：

平滑节点约束：

点采样边界约束：

在路径上均匀的取样m个点，检查这些点上的障碍物边界。将这些约束转换为QP约束不等式，使用不等式：

转载于:https://www.cnblogs.com/mohuishou-love/articles/10498568.html