自动驾驶---打造自动驾驶系统之决策模块开发（七）

已于 2025-06-03 21:16:25 修改
阅读量1.2k 收藏 29
点赞数 28
CC 4.0 BY-SA版权
分类专栏： 从零打造自动驾驶算法及仿真系统 文章标签： 自动驾驶 人工智能 机器学习
于 2025-04-14 07:15:00 首次发布
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。
本文链接：https://blog.youkuaiyun.com/Janeiskangs/article/details/146996862

         各位读者朋友，大家好。本次打造的自动驾驶仿真系统，涉及感知，预测，规控等多个模块（以规控算法为主，包括Polynomial预测，MCTS决策算法，通行走廊Corridor构建，QP/CILQR轨迹生成求解器，LQR+PID的控制器等），同时也支持其它相关规控算法的扩展（部署&开发自身感兴趣的算法），非常便捷。笔者在该系列中开发的规控算法主要依据专栏《自动驾驶Planning决策规划

了解本专栏 订阅专栏 解锁全文 超级会员免费看
【项目实战】自动驾驶决策模块设计思路及代码解析
qq_35635374的博客
04-07 3628
首先根据当前位置获取当前车道的左右宽度，然后根据左右借道获取相邻车道的宽度（当然，fallback设定不借道），最后综合各因素，更新PathBound。依据原先设计好的规则，对各种path进行assess，排序得到最优的路径，并在规划路径上的采样点添加标签作为路径筛选的依据，并为速度规划提供限制。和上述的Process方法相对应。当参考线起点与终点距离小于某个阈值，说明没有办法规划出一条较长的路径，所以我们需要对终点添加stop fence ，这时候需要退出动态重规划的过程，而是在一段距离后停车。
自动驾驶---打造自动驾驶系统之定位模块开发（二）
智能汽车人的博客
03-12 2037
各位读者朋友，本次打造的自动驾驶系统仿真系统，涉及感知，预测，规控等多个模块（以规控算法为主），同时可自定义相关扩展（部署&开发自身感兴趣的算法），非常便捷。笔者在此系列中开发的规控算法主要依据专栏中的章节逐步搭建，后续实践系列涉及的博客包括但不局限于以下内容《打造自动驾驶系统之环境准备（一）》《打造自动驾驶系统之定位模块开发（二）》《打造自动驾驶系统之导航模块开发（三）》《打造自动驾驶系统之参考线平滑开发（四）》《打造自动驾驶系统之感知环境开发（五）》
自动驾驶算法在仿真测试场景中验证感知-决策-控制模块及其功能模块
05-07
内容概要：本文详细介绍了自动驾驶算法在仿真测试环境中对感知、决策和控制三大模块进行验证和优化的过程。文中通过具体案例展示了不同场景下的挑战和技术解决方案，如大曲率弯道的路径规划、障碍物绕行、施工路段处理以及红绿灯识别等问题。通过对点云数据处理、路径规划算法、动态权重A*搜索、状态机设计等方面的技术细节探讨，揭示了仿真测试对于提高自动驾驶安全性的重要意义。 适合人群：从事自动驾驶研究与开发的专业人士，尤其是对感知、决策、控制模块有兴趣的研究人员和技术爱好者。 使用场景及目标：帮助开发者理解并解决自动驾驶系统在复杂路况下的表现问题，提升算法鲁棒性和可靠性。通过仿真测试提前发现问题，减少实地测试的风险和成本。 其他说明：文章强调了仿真测试的价值，即可以在安全可控的环境下反复试验各种极端情况，从而不断优化和完善自动驾驶算法。此外，还提到了一些具体的编程技巧和经验分享，有助于读者更好地理解和应用相关技术。
[自动驾驶技术]-4 决策规划系统
wendywm0496的博客
05-22 2320
在自动驾驶系统中，决策规划是一个关键部分，它位于环境感知和控制执行之间，负责将感知模块提供的静态和动态环境信息转化为具体的驾驶策略和路径规划，生成期望的路径和相应的控制量，给到下一阶段控制执行使用。决策规划模块的主要任务包括：全局路径规划、行为决策、运动轨迹规划（主要进行局部路径规划和速度规划）。决策规划的体系架构早期是基于全局路径规划→行为决策→运动轨迹规划分层递进式的，具备推理解释能力，但中间存在延迟，路径误差累计较大，可靠性不高；
MCTS自动驾驶规划
不荒废现在，不畏惧未来！
06-20 3185
参考：蒙特卡洛树搜索 首先，我们给MCTS下两个定义。第一，MCTS是一个决策时规划算法；第二，MCTS是一个rollout算法。不同之处在于MCTS中会部分的保存值函数，从而能够指导仿真产生更高回报值的轨迹。在MCTS中，每当我们遇到一个新的状态，需要选择动作时，就会执行MCTS（决策时规划）。每一个MCTS更新过程都是一个迭代过程。这个迭代过程会仿真很多从当前状态开始直到终止态的轨迹（rollout）。MCTS的核心思想是专注于哪些获得高的评估回报的仿真，并且基于先前的高回报仿真轨迹不断的往外扩展，产生
自动驾驶决策概况
sinat_52032317的博客
03-03 4940
1. 第一章行为决策在自动驾驶系统架构中的位置 2. 行为决策算法的种类 2.1 基于规则的决策算法 2.1.1 决策树 2.1.2 有限状态机（FSM） 2.1.3 基于本体论（Ontologies-based） 2.2 基于统计的决策算法 2.2.1 贝叶斯网络（BN） 2.2.2 马尔可夫决策过程（MDP） 2.2.3 部分可观察马尔可夫决策过程(POMDP) 2.3 基于端到端的决策算法 参考文献
自动驾驶系列报告二---决策篇
07-28
自动驾驶决策层、自动驾驶整车厂方案（特斯拉、奥迪A8、百度、Waymo）
自动驾驶预测-决策-规划-控制学习（1）：自动驾驶框架、硬件、软件概述
qq_53092944的博客
01-04 2788
以下为《汽车驾驶自动化分级》具体标准：0 级驾驶自动化（应急辅助）驾驶自动化系统不能持续执行动态驾驶任务中的车辆横向或纵向运动控制，但具备持续执行动 态驾驶任务中的部分目标和事件探测与响应的能力。需要指出的是，0级驾驶自动化不是无驾驶自动化，0级驾驶自动化可感知环境，并提供报警、辅助或短暂介入以辅助驾驶员（如车道偏离预警、前碰撞预警、自动紧急制动等应急辅助功能）。此外，不具备目标和事件探测与响应的能力的功能（如:定速巡航、电子稳定性控制等）不在驾驶自动化考虑的范围内。
【自动驾驶】决策规划算法概述
Hello！大家好，我是清流君，愿我的分享能助您一臂之力。荣幸与您共探移动机器人世界！✨
08-26 2741
本篇博客开启了一个新的系列——自动驾驶决策规划算法。文章首先介绍了自动驾驶的六个级别划分，并解释了级别划分的依据。接着，通过类比人的大脑、小脑和感官，阐述了决策规划模块在自动驾驶系统中的核心地位。文章详细讲解了决策规划算法模块的三大构成：导航规划、行为规划和运动规划，并指出了各自的特点。最后，概述了本系列博客的目录和大纲，以及仿真环境，为读者提供了学习自动驾驶决策规划算法的清晰路径。欢迎感兴趣的读者持续关注，共同探索自动驾驶技术的前沿领域。
自动驾驶算法仿真测试：感知-决策-控制模块的功能优化与实车开发提速
最新发布
08-14
自动驾驶算法在仿真环境中的测试情况，重点探讨了感知、决策和控制三个关键模块的功能验证及其对实际车辆开发的影响。文中列举了多个具体测试场景，如大曲率弯道行驶、障碍物绕行、拥挤路段通行、交通灯减速停车以及...
自动驾驶---打造自动驾驶系统之感知环境开发（五）
智能汽车人的博客
03-31 1372
各位读者朋友，大家好。本次打造的自动驾驶系统仿真系统，涉及感知，预测，规控等多个模块，同时也支持其它相关规控算法的扩展（部署&开发自身感兴趣的算法），非常便捷。笔者在该系列中开发的规控算法主要依据专栏《》中的章节逐步搭建，后续实践系列涉及的博客包括但不局限于以下内容》---已更新》---已更新》---已更新》---已更新《自动驾驶---打造自动驾驶系统之感知环境开发（五）》《自动驾驶---打造自动驾驶系统之预测模块开发（六）》《自动驾驶---打造自动驾驶系统之决策模块开发（七）》
两万字简述自动驾驶决策规划常用算法
Listron的专栏
01-03 2214
对于已经在OpenList中的4个格子，我们以它上面的格子S[2][2]举例，从起点A经由格子S[3][2]到达格子S[2][2]的G值为20（10+10）大于从起点A直接沿对角线到达格子S[2][2]的G值14。与PRM相同的是两者都是基于随机采样的算法，不同的是PRM最终生成的是一个无向图，而RRT生成的是一个随机树。对于图6所示的有向图，V可以表示为{A，B，C，D，E，F，G}，E可以表示为{，，，，，，}。
基于蒙特卡洛树搜索的智能驾驶行为规划
智驾人在路上的博客
09-22 1892
本文主要讲述蒙特卡洛树搜索算法在智能驾驶行为规划中的应用，讲诉具体的代码及原理实现
通俗理解自动驾驶中的路径规划、行为预测和决策模块
weixin_33324696的博客
12-05 1169
简单的，我尝试用最通俗易懂的语言将复杂的技术讲给大家听。路径规划、行为预测和决策模块是智能驾驶系统中三个非常重要的组成部分，它们各自负责不同的任务，确保自动驾驶系统能够安全、智能地运行。
自动驾驶技术综述2：自动驾驶决策规划模块算法介绍
自动驾驶Player的博客
11-06 5150
Planning模块的作用相当于理解传感器以及高精地图模块等上游的“感知系统”获得的感知信息，并且在当前周期内进行思考并做出判断，然后把计算好的轨迹信息传递给下游模块进行控制指令的分解以及控制信号的计算。现实世界中的规划面临多种约束。上图为开源的Apollo系统中Planning模块的运行过程，可以看到apollo的Planning模块就是首先确定当前自车所处在的场景scenario，然后判断在当前场景下处在什么状态stage下，最后调用一系列task进行behavior的判断从而完成决策过程。
自动驾驶决策——决策基本概念
sinat_52032317的博客
10-31 7978
智能车辆包含环境感知、规划决策、车辆控制三大部分：环境感知模块用来处理车上传感器的数据，获得自身车辆位置、路网结构、动静态障碍物位置等外界环境信息。规划决策模块作为智能车辆的大脑，决定智能车辆的驾驶行为以及期望路径。车辆控制模块将期望速度、转角等转变为车辆执行器控制量，控制车辆沿指定轨迹行驶。
园区自动驾驶实车平台决策规划控制系统（一）——基于纯追踪算法的横向控制（C++实现）
hyf98的博客
06-24 4298
园区自动驾驶（一）——基于Pure Pursuit的横向控制 由于本文是针对园区的自动驾驶，车速较低，且循迹路径是一条固定的路线，测试路径如下图所示，图中：绿色路径是录制的离线路径，录制方法是手动开车时记录下组合惯导系统的实时定位，并保存；紫色的路径是实际行驶路径；蓝色长条不是车辆模型，长度也不是车身长度，蓝条后端是车辆当前位置（后轴），蓝条前端是纯追踪算法当前的目标点。......
百度自动驾驶系统Apollo源码分析
热门推荐
谢彦的技术博客
11-09 3万+
Apollo（阿波罗）是百度今年发布的汽车自动驾驶系统，它是不是可以无人驾驶？安全性又如何保证？下面我们就来看看自动驾驶指的是什么，以及它是如何实现的．
Apollo Planning 中的 Decider
牛仔很忙
04-07 1312
决策
评论
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

智能汽车人

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