Apollo Planning决策规划算法代码详解 (22):决策规划算法最完整介绍

前言：

后台已经完成Apollo Planning决策规划算法的完整解析，从规划模块的入口OnLanePlanning开始，介绍到常见的规划器PublicRoadPlanner；接着介绍了在PublicRoadPlanner中如何通过类似有限状态机的ScenarioDispatch进行场景决策。之后又介绍了在每个场景Scenario中如何配置以及判断当前所处的stage，以及对于每个stage又是如何注册tasks来执行具体的规划任务。

现在回头来看，这个系列应该是目前全网最完整的apollo规划算法planning模块的解析教程了，所以现在阶段性的，想再对apollo整个规划算法的流程做一个总结，也可以当做是整个系列的文章的概述。

如果对apollo规划算法感兴趣，想学习完整的系列文章，可以订阅下面专栏：https://blog.csdn.net/nn243823163/category_11685852.htmlhttps://blog.csdn.net/nn243823163/category_11685852.html

也可以加我vx公众号（L5Player）进一步交流学习。

Apollo Planning决策规划算法解析的系列文章如下：

Apollo Planning决策规划算法代码详细解析 (1)：Scenario选择

Apollo Planning决策规划算法代码详细解析 (2)：Scenario执行

Apollo Planning决策规划算法代码详细解析 (3)：stage执行

Apollo Planning决策规划算法代码详细解析 (4)：Stage逻辑详解

Apollo Planning决策规划算法代码详细解析 (5)：规划算法流程介绍

Apollo Planning决策规划算法代码详细解析 (6):LaneChangeDecider

Apollo Planning决策规划算法代码详细解析 (7): PathReuseDecider

Apollo Planning决策规划算法代码详细解析 (8): PathLaneBorrowDecider

Apollo Planning决策规划算法代码详细解析 (9): PathBoundsDecider

Apollo Planning决策规划算法代码详细解析 (10)：PiecewiseJerkPathOptimizer_

Apollo Planning决策规划算法代码详细解析 (11): PathAssessmentDecider

Apollo Planning决策规划算法代码详细解析 (12): PathDecider

Apollo Planning决策规划算法代码详细解析 (13): RuleBasedStopDecider

Apollo Planning决策规划算法代码详细解析 (14):SPEED_BOUNDS_PRIORI_DECIDER

Apollo Planning决策规划算法代码详细解析(15): 速度动态规划SPEED_HEURISTIC_OPTIMIZ 上

Apollo Planning决策规划算法代码解析 (16):SPEED_HEURISTIC_OPTIMIZER 速度动态规划中

Apollo Planning决策规划算法代码解析 (17):SPEED_HEURISTIC_OPTIMIZER 速度动态规划下_

Apollo Planning决策规划算法代码详细解析 (18):SpeedDecider 障碍物纵向决策上

在本文将会讲解下面这些内容：

1、apollo规划算法整体运行框架pipline

2、常用的LANE_FOLLOW场景如何执行具体的规划任务；

3、LANE_FOLLOW_DEFAULT_STAGE有哪些tasks，这些task分别执行什么任务；

4、完整的决策规划流程

正文如下：

一、apollo规划算法整体运行框架

在每个运行周期内，可以理解为task是最小的执行单位；按照配置不同的task构成了stage；当确定所处stage后，会执行stage下注册的所有task。

apollo规划算法中，task的执行流程如下，下图便是apollo规划算法的完整运行流程：

二、apollo规划算法具体执行的task

上文讲到PublicRoadPlanner 的 LaneFollowStage 是在自动驾驶过程中使用频率最高的场景与stage，LaneFollowStage的配置如下，正是下面这些task组成了在LaneFollowStage状态下完整的决策规划算法。

scenario_type: LANE_FOLLOW
stage_type: LANE_FOLLOW_DEFAULT_STAGE
stage_config: {
  stage_type: LANE_FOLLOW_DEFAULT_STAGE
  enabled: true
  task_type: LANE_CHANGE_DECIDER
  task_type: PATH_REUSE_DECIDER
  task_type: PATH_LANE_BORROW_DECIDER
  task_type: PATH_BOUNDS_DECIDER
  task_type: PIECEWISE_JERK_PATH_OPTIMIZER
  task_type: PATH_ASSESSMENT_DECIDER
  task_type: PATH_DECIDER
  task_type: RULE_BASED_STOP_DECIDER
  task_type: ST_BOUNDS_DECIDER
  task_type: SPEED_BOUNDS_PRIORI_DECIDER
  task_type: SPEED_HEURISTIC_OPTIMIZER
  task_type: SPEED_DECIDER
  task_type: SPEED_BOUNDS_FINAL_DECIDER
  # task_type: PIECEWISE_JERK_SPEED_OPTIMIZER
  task_type: PIECEWISE_JERK_NONLINEAR_SPEED_OPTIMIZER
  task_type: RSS_DECIDER
}

三、apollo规划算法tasks最完整解析

上文提到task组成了在LaneFollowStage状态下完整的决策规划算法，本节将会完整介绍这些task设置的目的，具体执行什么样的任务：

1、LaneChangeDecider

LaneChangeDecider 是lanefollow 场景下，所调用的第一个task，它的作用主要有两点：

• 判断当前是否进行变道，以及变道的状态，并将结果存在变量lane_change_status中；
• 变道过程中将目标车道的reference line放置到首位，变道结束后将当前新车道的reference line放置到首位

流程图如下：

2、PathReuseDecider

PathReuseDecider 是lanefollow 场景下，所调用的第 2 个 task，它的作用主要是换道时：

• 根据横纵向跟踪偏差，来决策是否需要重新规划轨迹；
• 如果横纵向跟踪偏差，则根据上一时刻的轨迹生成当前周期的轨迹，以尽量保持轨迹的一致性

流程如下：

3、PathLaneBorrowDecider

PathLaneBorrowDecider 是第3个task，PathLaneBorrowDecider会判断已处于借道场景下判断是否退出避让；判断未处于借道场景下判断是否具备借道能力。

需要满足下面条件才能判断是否可以借道：

• 只有一条参考线，才能借道
• 起点速度小于最大借道允许速度
• 阻塞障碍物必须远离路口
• 阻塞障碍物会一直存在
• 阻塞障碍物与终点位置满足要求
• 为可侧面通过的障碍物

4、PathBoundsDecider

PathBoundsDecider 是第四个task，PathBoundsDecider根据lane borrow决策器的输出、本车道以及相邻车道的宽度、障碍物的左右边界，来计算path 的boundary，从而将path 搜索的边界缩小，将复杂问题转化为凸空间的搜索问题，方便后续使用QP算法求解。

5、PiecewiseJerkPathOptimizer

PiecewiseJerkPathOptimizer 是lanefollow 场景下，所调用的第 5 个 task，属于task中的optimizer类别它的作用主要是：

• 1、根据之前decider决策的reference line和 path bound，以及横向约束，将最优路径求解问题转化为二次型规划问题；
• 2、调用osqp库求解最优路径；

6、PathAssessmentDecider

PathAssessmentDecider 是lanefollow 场景下，所调用的第 6 个 task，属于task中的decider 类别它的作用主要是：

• 选出之前规划的备选路径中排序最靠前的路径；
• 添加一些必要信息到路径中

7、PathDecider

PathDecider 是lanefollow 场景下，所调用的第 7 个 task，属于task中的decider 类别它的作用主要是：

在上一个任务中获得了最优的路径，PathDecider的功能是根据静态障碍物做出自车的决策，对于前方的静态障碍物是忽略、stop还是nudge

8、RuleBasedStopDecider

RuleBasedStopDecider 是lanefollow 场景下，所调用的第 8 个 task，属于task中的decider 类别它的作用主要是：

• 根据一些规则来设置停止标志。

9、SPEED_BOUNDS_PRIORI_DECIDER

SPEED_BOUNDS_PRIORI_DECIDER 是lanefollow 场景下，所调用的第 10 个 task，属于task中的decider 类别它的作用主要是：

（1）将规划路径上障碍物的st bounds 加载到路径对应的st 图上

（2）计算并生成路径上的限速信息

SPEED_BOUNDS_PRIORI_DECIDER 这个task 是 SpeedBoundsDecider 这个类的对象，使用SPEED_BOUNDS_PRIORI_DECIDER 的config进行初始化，相关代码在 http://task_factory.cc 中定义。

10、PathTimeHeuristicOptimizer

SPEED_HEURISTIC_OPTIMIZER 是lanefollow 场景下，所调用的第 11个 task，属于task中的optimizer 类别，它的作用主要是：

• apollo中使用动态规划的思路来进行速度规划，其实更类似于使用动态规划的思路进行速度决策；
• 首先将st图进行网格化，然后使用动态规划求解一条最优路径，作为后续进一步速度规划的输入，将问题的求解空间转化为凸空间

代码总流程如下：

• 1、遍历每个障碍物的boundry，判度是否有碰撞风险，如果有碰撞风险使用fallback速度规划；
• 2、初始化cost table
• 3、按照纵向采样点的s，查询各个位置处的限速
• 4、搜索可到达位置
• 5、计算可到达位置的cost
• 6、搜索最优路径

11、SpeedDecider

SpeedDecider 是lanefollow 场景下，Apollo Planning算法所调用的第12个 task，属于task中的decider 类别它的作用主要是：

• 1、对每个目标进行遍历，分别对每个目标进行决策
• 2、或得mutable_obstacle->path_st_boundary()
• 3、根据障碍物st_boundary的时间与位置的分布，判断是否要忽略
• 4、对于虚拟目标 Virtual obstacle，如果不在referenceline的车道上，则跳过
• 5、如果是行人则决策结果置为stop
• 6、SpeedDecider::GetSTLocation() 获取障碍物在st图上与自车路径的位置关系
• 7、根据不同的STLocation，来对障碍物进行决策
• 8、如果没有纵向决策结果，则置位ignore_decision；

12、SPEED_BOUNDS_FINAL_DECIDER

SPEED_BOUNDS_FINAL_DECIDER 是lanefollow 场景下，所调用的第 13 个 task，属于task中的decider 类别它的作用主要是：

• （1）将规划路径上障碍物的st bounds 加载到路径对应的st 图上
• （2）计算并生成路径上的限速信息

13、PiecewiseJerkSpeedOptimizer

PiecewiseJerkSpeedOptimizer 是lanefollow 场景下，所调用的第 14个 task，属于task中的decider 类别它的作用主要是：

• 1、根据之前decider决策的speed decider和 speed bound，以及纵向约束，将最优速度求解问题转化为二次型规划问题；
• 2、调用osqp库求解最优路径；

四、文章推荐

Apollo Planning决策规划算法代码详细解析 (16):SPEED_HEURISTIC_OPTIMIZER 速度动态规划中_自动驾驶 Player的博客-CSDN博客

自动驾驶算法详解(5): 贝塞尔曲线进行路径规划的python实现_自动驾驶 Player的博客-CSDN博客_自动驾驶路径规划算法

Apollo Planning决策规划算法代码解析 (17):SPEED_HEURISTIC_OPTIMIZER 速度动态规划下_自动驾驶 Player的博客-CSDN博客

Apollo规划决策算法仿真调试(5):动态障碍物绕行_自动驾驶 Player的博客-CSDN博客_apollo 障碍物