自动驾驶之轨迹规划2——高速超车场景下轨迹规划的量产方案

本篇整理的高速超车场景下轨迹规划量产方案。

速度规划

基本架构如下：

先定义障碍物：

红色边界：可看作碰撞硬约束，例如道路边界或其他车辆
黄色边框：可看作碰撞软约束，例如碰撞危险、车道标志
蓝色边框：目标行驶区域

这是ST图，Apollo也用了类似的方法进行速度规划，这里需要把各种等级的障碍物投影到ST图中。具体的计算步骤：

1. 计算满足边界条件的若干轨迹；
2. 排除违反jerk或加速度极限的轨迹；
3. 选择成本函数最小的轨迹
4. 用轨迹跟踪控制器计算目标加速度

另外还要考虑一些边界条件，和我在《自动驾驶之轨迹规划1——算法综述》中的3.2 高速场景：超车章节提到的类似，需要考虑变道初始时刻的纵向位置、速度、加速度，以及变道完成后的纵向位置、速度、加速度。

路径规划

基本架构如下：

这里使用了SL图，Apollo中也用了该坐标系进行路径规划，但Apollo用了动态规划和二次规划进行路径求解，而这里的方法是用多项式进行拟合，类似《自动驾驶之轨迹规划1——算法综述》中的3.2 高速场景：超车的多项式曲线方法。大致步骤如下

1. 根据与旧轨迹的偏差选择新轨迹的起点，或从当前车辆位置开始规划，以保证高水平的稳定性
2. 找到最优轨迹d（s）关于横向jerk，速度和持续时间
3. 使用PID型控制方法计算目标横摆角速度，使车辆保持在轨道上（低水平稳定）

同样，这里也需要考虑边界条件，如：变道初始时刻的横向位置、速度、加速度，以及变道完成后的横向位置、速度、加速度。