自动驾驶学习笔记（二十）——Planning算法

最新推荐文章于 2025-01-04 14:51:54 发布
原创 最新推荐文章于 2025-01-04 14:51:54 发布 · 2.4k 阅读 · 35 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#自动驾驶 #Planning #离散点平滑 #EM Planner #Lattice Planner #Apollo开发者

本文介绍了自动驾驶Planning模块中的关键算法，包括参考线平滑、双层状态机结构、EM Planner和Lattice Planner的工作原理。EM Planner基于最大期望算法进行路径规划，而Lattice Planner则采用采样方法生成无碰撞的局部轨迹。文章还提到了算法的调试方法，如实车运行和仿真运行。

#Apollo开发者#

学习课程的传送门如下，当您也准备学习自动驾驶时，可以和我一同前往：

 《自动驾驶新人之旅》免费课程—> 传送门

《Apollo 社区开发者圆桌会》免费报名—>传送门

文章目录

前言

参考线平滑

双层状态机

EM Planner

Lattice Planner

算法调试

总结

前言

        见《自动驾驶学习笔记（十五）——交通灯识别》

        见《自动驾驶学习笔记（十六）——目标跟踪》

        见《自动驾驶学习笔记（十七）——视觉感知》

        见《自动驾驶学习笔记（十八）——Lidar感知》

        见《自动驾驶学习笔记（十九）——Planning模块》

参考线平滑

        高精地图通过Routing模块给过来的道路参考线，平滑度不满足决策规划算法的要求，参考线平滑算法类型有如下几种：

        离散点平滑算法是在离散的参考点之间插值，使用低价函数求得最优参考线，示例如下：

        代价函数：cost = costsmooth + costlength + costdeviation

双层状态机

最低0.47元/天 解锁文章
图解移动机器人中的运动规划(Motion Planning)，附几十种规划算法
FRIGIDWINTER的博客
02-01 4万+
运动规划是移动机器人的核心理论和工程技术之一，本文作为教程先导，解析了运动规划的两大组件——路径规划和轨迹规划。欢迎感兴趣的同学订阅专栏！
Apollo Planning决策规划算法代码详细解析 (1)：Scenario选择
自动驾驶Player的博客
03-22 1万+
本文重点讲解Apollo代码中怎样配置Scenario以及选择当前Scenario，Scenario决策是Apollo规划算法的第一步，本文会对代码进行详细解析，也会梳理整个决策流程，码字不易，喜欢的朋友们麻烦点个关注与赞。 在本文你将学到下面这些内容： 规划器planer的种类； 规划器planer的主要函数及逻辑； 场景管理类ScenarioManager的运行机制； 场景注册方法； 场景决策流程，如何选择当前场景 详细的apollo决策规划代码分析 代码具体过程如下： 1、Scenar
MotionPlanning:自动驾驶汽车上常用的运动计划算法。 （路径规划+路径跟踪）
03-31
概述 该存储库实施了一些用于自动驾驶汽车的常见运动计划器，包括 （不完整） 此外，此存储库还提供了一些用于路径跟踪的控制器，包括 要求 Python 3.6或更高版本 车辆型号 该存储库使用两种模型：简单汽车模型和。 混合A *计划器 州格规划师 控制器 纸 规划 推荐材料 调查自动驾驶城市车辆运动计划和控制技术调查 自动驾驶路径规划中的实用搜索技术 Frenet框架中动态街道场景的最优轨迹生成 控制 推荐材料 纯追求路径跟踪算法的实现 自主汽车路径跟踪的自动转向方法 Stanley：赢得DARPA大挑战赛的机器人 ApolloAuto / apollo：开放的自动驾驶平台 基于MPC的自动驾驶系统主动转向方法 有用的材料 AtsushiSakai 由KTH Research Concept Vehicle提供
自动驾驶算法详解(8)：特斯拉Tesla决策规划算法Planning解析下
自动驾驶Player的博客
07-17 2438
通过tesla的介绍可以发现，tesla的决策规划算法的执行逻辑与人类驾驶员很相似，不仅是简单的优化求解，更多时候在求解轨迹时，有对目标障碍物进行预测，并根据预测的结果进行博弈的过程，这样可以使同行效率更高，整个自动驾驶的运行过程更加智能。特斯拉的算法确实有可取之处，但是目前国内的很多新势力、自动驾驶公司在城市工况的自动驾驶算法领域，也有深入的实践与技术积累，在一些公开测试中也取得了不错的表现，大家也要对我们的国产自动驾驶技术报以信心，在很多层面我们表现都很出色。自动驾驶算法立即改变主意，并继续向前行驶。.
自动驾驶之轨迹规划1——算法综述
热门推荐
IHTY_NUI的博客
03-05 3万+
1. 概述 本文立足于智能车领域的轨迹规划，根据自己的整理和理解输出，权当做一篇学习笔记。 首先解释一下一些基本概念： 环境感知与融合； 驾驶行为决策：从驾驶员本身出发，包含心理学、认知学、统计学等多个学科交叉的一种决策过程，旨在研究“驾驶员实际是怎样进行决策的”和“为什么做出这样的决策”。 轨迹规划：基于感知到的话你就拿个信息（如路况信息、路网结构、车辆状态等）对车辆的未来轨迹进行最优规划：路径规划和速度规划。 车辆横纵向控制： 2. 轨迹规划的问题本质 轨迹规划的任务是计算出一个无碰撞可执行的轨迹（包
【Apollo学习笔记】—— Planning模块
sinat_52032317的博客
08-17 2837
本文记录学习planning模块时的一些笔记，总体流程参照中的流程图，如上图所示。
自动驾驶学习笔记（二十二）——自动泊车算法
Mr.Cssust的博客
12-25 4330
本文是笔者在学习自动驾驶时，对所学课程的一些梳理和总结。欢迎和我一同抱团学习，交流技术。
自动驾驶控制与规划——Project 5: Lattice Planner
最新发布
qq_45709806的博客
01-04 1949
自动驾驶控制与规划——Project 5: Lattice Planner
Apollo Planning决策规划算法代码详细解析 (3)：stage执行
自动驾驶Player的博客
03-23 4449
Apollo Planning决策规划系列文章： Apollo Planning决策规划代码详细解析 (1)：Scenario选择 Apollo Planning决策规划代码详细解析 (2)：Scenario执行 通过之前章节的介绍，在经过Scenario的决策与执行之后，Apollo已经可以确定目前处于对应场景下的对应stage，接下来就进入stage类的内部，通过Process() 函数来进行具体的规划过程。本章节将以 LANE_FOLLOW 场景的 LANE_FOLLOW_DEFAULT_S..
大模型LLM | Agent技术解读之Planning（规划）模块：什么是Planning？LLM Planning方法
star_nwe的博客
09-25 8182
Planning 指任务分解：把大任务划分成小任务，进而解决复杂问题；反思和提炼：基于已有动作做自我批评和自我反思，从错误中学习优化接下来的动作。任务分解的典型实现方案是 CoT（Chain of thought）和 ToT（Tree of thoughts）。一项复杂任务包括多个子步骤，智能体需要提前将任务分解，并进行规划。规划模块分类1）无反馈规划:大语言模型在做推理的过程中无需外界环境的反馈。单路推理，仅一次大语言模型调用就输出完整的推理步骤；多路推理，借鉴众包思想，让大语言模型生成多个。
规划算法Planning Algorithms
11-15
提出了对许多不同种类的规划算法的统一处理。 该主题处于机器人技术，控制理论，人工智能，算法和计算机图形学之间的十字路口。
path-planning 路径规划a*算法
04-20
path-planning 路径规划a*算法 对理解路径规划有重要作用
planning algorithm（规划算法）英文版
12-03
这个是绝版书了，有需要的可以下载！
Apollo Planning决策规划算法代码详解 (22):决策规划算法最完整介绍
自动驾驶Player的博客
05-19 1万+
前言： 后台已经写完了Apollo Planning决策规划算法的完整解析，一路从规划模块的入口OnLanePlanning，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
【自动驾驶】运动规划丨轨迹规划丨算法综述分享
木牛的博客
08-27 2652
规划（planning）承接，并下启车辆控制。其规划出来的轨迹是带速度信息的路径。广义上，规划（planning）可分为。：是全局路径规划，可简单的理解为传统地图导航+高精地图（包含车道信息和交通规则等）；:决策车辆是否跟车、在遇到交通灯和行人时的等待避让、以及路口和其他车辆的交互通过；：是局部路径规划，是在未来一段时间内的期望行驶路径，需满足汽车运动学、动力学、舒适性和无碰撞等要求。的任务是计算出一个无碰撞可执行的轨迹（包含路径和速度信息），保证车辆从起点安全的驾驶到目的地，并尽可能高效。
Planning-Apollo速度决策规划
mpt0816的博客
12-18 1万+
Apollo采用路径规划和速度规划解耦的方式，先进行路径规划，在得到的规划路径上再进行速度规划。利用ST Graph，将障碍物、限速等投影在ST图上，利用全局搜索方法DP算法得到决策，在利用最优化方法进行速度规划。 1. 算法原理 百度已经将算法原理发表在论文《Optimal Trajectory Generation for Autonomous Vehicles Under Centripetal Acceleration Constraints for In-lane Driving Scenario
Apollo planning之参考线平滑算法
weixin_65089713的博客
02-02 1万+
输入raw_reference_line，设置中间点（GetAnchorPoints），然后smooth，最后输出。lateral_bound、longitudinal_bound代表裕度，enforced代表是否是强约束。离散点平滑算法也是基于评价函数来做的，分别衡量。这里是对参考线平滑算法进行配置，对于平滑度的衡量有两种方式。参考线平滑算法主要有三种。同时还需要满足约束条件。这是中间点的配置文件。
【Apollo 6.0算法解析】Planning模块简介
xiewf的博客
12-24 3525
本文主要是简单介绍下 Apollo 中的 Planning模块，包括 Apollo 使用到的决策规划算法（详细的算法讲解和代码解析会之后的文章进行更新）。
2021-11-07 Planning algorithm -1
HITORANGE的博客
11-07 856
本书四章内容： 介绍，连续空间运动规划3-8章，不确定性的规划（决策理论规划）9-12章，差分约束下的规划（车）13-15 机器人运动规划在3-8章，第二章的离散运动规划也与此有关，34章理解机器人运动规划的基础，56展示了解决运动规划问题的一些算法技术，78对运动规划基本问题作了一些延伸性探讨，13-15章是非完全约束或者差分约束下的运动规划。 11 12 研究的问题是带有感知不确定性的，在信息空间中进行规划，算法在第11章。 12:34pm piano mover‘s problem 钢琴搬运问题 运
C++学习：数据结构与算法分析笔记
"C++数据结构与算法的学习笔记，涵盖了数据结构、算法分析以及相关编程概念，旨在帮助学习者掌握核心编程技巧并提升问题解决能力。" 在这份"C++数据结构与算法学习笔记"中，重点讲解了以下几个关键知识点： 1. **...
评论 8
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

Mr.Cssust

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值