自动驾驶决策规划(五)——速度规划

原创

已于 2025-07-01 16:21:47 修改 · 2.7k 阅读

34 ·

CC 4.0 BY-SA版权

文章标签：

#自动驾驶 #人工智能 #机器学习

于 2024-12-22 15:50:13 首次发布

1 前置知识

二次规划：https://blog.youkuaiyun.com/TalentRoxy_/article/details/144453143?spm=1001.2014.3001.5501

2 基本原理

<

最低0.47元/天解锁文章

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

山川不过尔尔Na

关注关注

46
点赞
踩
34

收藏

觉得还不错? 一键收藏
0
评论
分享

复制链接

分享到 QQ

分享到新浪微博

扫一扫
举报

举报

专栏目录

基于深度强化学习的无人车自适应速度规划

一点人工一点智能的博客

05-21

1590

本文对无人车辆的速度规划部分进行了一些改进。首先，将车辆速度与车辆与障碍物之间的角度耦合，并将这种耦合关系整合到奖励函数中。其次，使用DDQN算法替换无人车的局部路径规划模块；最后，在Gazebo仿真环境中完成了不同环境下的车辆速度规划测试。

Apollo无人驾驶入门课程笔记之规划（六）

qq_34828179的博客

12-07

1058

时间：2020.11.08 内容：无人驾驶之预测文章目录一、规划简介二、路线的规划2.1 地图的处理2.2 路径搜索算法 A*2.3 轨迹生成三、Fernet坐标系一、规划简介当我们驾驶从某个地点到另一个地点的时候，我们通常会在心中想好一条可行的路线，无人车的规划也是如此。其第一步为路线规划，假设无人车要从A点到B点，那么其可行的路径有很多，就如我们平时使用手机地图进行导航时一样，当你输入目的地之后，软件会为你规划出几条可行的路线。这些路线都能满足你到目的地的需求，但可能这个过程中你可能会遇到堵车或

参与评论您还未登录，请先登录后发表或查看评论

基于QP的路径规划与ST图速度规划：各场景避障探秘

最新发布

qq__487739278的博客

11-29

245

基于QP的路径规划和ST图速度规划各场景避障在智能驾驶等诸多领域，路径规划和速度规划是确保安全高效行驶的关键环节。今天咱们就唠唠基于QP（二次规划，Quadratic Programming）的路径规划以及ST图速度规划在不同场景下的避障实现。

Baidu Apollo ST图在车辆变道轨迹规划中的应用

silver bullet

04-10

8034

在百度Apollo Lattice轨迹规划算法中，针对跟车（follow）和超车（overtake）2种不同的场景，使用了ST图在纵向上来采样障碍物车辆周边的目标点，作为拟合轨迹的终点。跟车时，在ST图中障碍物下方采样，即自车速度小于并趋近于障碍物车速度；超车时，在ST图中障碍物上方采样，即自车速度大于障碍物车速度。至于横向采样，因为参考线会切换到目标车道中心线，故横向一般围绕0（参考线即s轴）左...

自动驾驶决策规划算法-路径决策算法：速度规划

qq_42846675的博客

12-16

3729

本文为学习自动驾驶决策规划算法第二章第七节速度规划的学习笔记。

【自动驾驶】运动规划丨速度规划丨 T 型 / S 型速度曲线

君君的博客

07-22

2037

正常的速度曲线算法有 T 型速度曲线控制、S 型速度曲线控制、正弦加减速控制的算法，每一种算法都各有特点。重新播放。

自动驾驶决策规划算法——参考线

m0_68388605的博客

05-17

1532

遍历了10次还没找到新的极小值，这个极小值点就是匹配点，如果遍历遍历过程中发现了新的极小值点，就把这个新的极小值点存储，同时increase count就清零，再遍历这个新的极小值点后面的点，过程原理和上面一样，最后将存储到的极小值点进行比较，选择最小的。上面的算法认为参考线越接近直线，路径越平滑，但是参考线不是越平滑越好，如下，黑色是原来的，紫色是平滑后的，虽然是一条直线了，但是严重偏移原来的点。蓝色点是路径中不平滑的点。其中，曲率kappa的参考方式是L/ds^2，其中l是向量的模，是个非线性量。

自动驾驶决策规划算法——二次规划

m0_68388605的博客

05-23

794

黄色的点就意味着L的上下界，物理意义是当轨迹s=s1时，L的范围应该是(Lmin1,Lmax1)之间，这个范围就是开辟的凸空间。上面的方程组就是二规划的等式约束；恒为一个常数，那么f(s)四阶以上的导数都是0；假设在f(s)的三阶导数。

自动驾驶路径决策算法——动态规划

m0_68388605的博客

05-23

2564

蓝色的线是第一次规划的结果，按照当前的规划来说100ms以后应该是绿点位置，但是由于控制本身不完美，100ms后车辆实际位置是红色点，此时同时开始第二次规划，按照规划100ms后应该是紫点位置，但是由于控制不完美，车辆实际位置是橙点。这样在控制看了规划的轨迹是割裂的。上个规划周期规划出来的轨迹是蓝色线条，本周期规划开始的时间是T，首先比较当前车辆的位置和上一个规划周期在T时刻规划出来的位置是否接近，比较接近，误差不大就是说明控制时按照规划路径走的，就可以进行轨迹拼接，规划的起点是T+100ms（绿点）。

自动驾驶决策规划(四)——二次规划

TalentRoxy_的博客

12-13

2500

动态规划：决策规划（三）——动态规划_规划算法中为什么动态规划开辟出凸空间-优快云博客重决策是根据人给定的规则判断，综合考虑与障碍物的距离，相对速度，周围环境等信息给出决策，是由人事先写好的，表明场景与决策之间的映射关系。重决策优点：重决策缺点：轻决策是没有特定的先验规则，而是将所在空间进行离散化，设计相应的代价函数cost function，同时利用动态规划算法求解离散空间的最优路径，通过开辟的凸空间，用二次规划设定出最优路径。轻决策优点：轻决策缺点：假设已经通过动态规划，开辟出了一个凸空间，并且已经将

Apollo自动驾驶入门课程第⑧讲 — 规划（下）

10点43的博客

10-07

9310

目录 1、路径-速度解耦规划 2、路径生成与选择 3、ST图 4、速度规划 5、优化 6、路径-速度规划的轨迹生成 7、Lattice规划 8、ST轨迹的终止状态 9、SL轨迹的终止状态 10、Lattice规划的轨迹生成本文转自微信公众号：Apollo开发者社区原创：阿波君Apollo开发者社区9月20日上周我们发布了无人驾驶技术的规划（上），车辆基...

【自动驾驶】汽车速度规划介绍

weixin_42301220的博客

07-17

6835

当局部路径规划给定了一条或者若干条选出的路径曲线之后,运动规划模块需要解决的后续问题是在此局部路径的基础上加人与速度相关的信息,这一问题被称为速度规划。速度规划的目标是在给定的局部路径曲线上,在满足反馈控制的操作限制及符合行为决策的输出结果这两个前提下,将路径点赋予速度及加速度信息。速度规划主要考虑的是对动态障碍物的规避。...

Coursera Self-Driving Car Part4 运动规划之速度规划生成

weixin_39199083的博客

10-28

812

作为Coursera第四章FinalProject的理论准备，整理了Coursera无人驾驶课程4.7.5velocity profile generation的笔记。学习目标 1.知道如何使用前车TTC来告知速度规划生成 2.知道如何使用来自行为规划器的参考速度来生成速度规划 3.集成舒适性约束在速度规划生成里 4.知道如何实施一个梯形的加减速速度规划行为规划器的参考速度 1.需要计算参考速度 2.能使用道路的速度限制作为一个开始点 3.行为规划器的操作也会影响参考速度，例如一.

Apollo自动驾驶planning纵向速度规划之DP详解

weixin_39199083的博客

12-17

3210

apollo planning纵向DP详解

Apollo自动驾驶入门课（6）——规划

qq_45577461的博客

07-17

1762

规划需要结合高精度地图、定位、预测的知识，从路线导航和轨迹生成两方面构建车辆轨迹。规划1.规划2. A*搜索算法将地图转为图A*算法3.轨迹生成3D轨迹评估一条轨迹4. Frenet坐标5. 路径-速度解耦规划路径-速度解耦规划路径生成与选择ST图速度规划优化轨迹生成6.Lattice规划Lattice规划ST轨迹的终止状态SL轨迹的终止状态Lattice规划的轨迹生成 1.规划路线规划，目标是找到从地图上的A前往B的最佳路径，侧重于研究如何从地图上的A点前往B点。在路线导航时，将地图数据作为输入，并

二次规划ST速度优化

sinat_52032317的博客

09-05

783

从二次规划样条路径中选取一条路径后，Apollo将路线上的所有障碍物和自动驾驶车辆（ADV）展现在一个时间-路径图上（path-time ST），该路径图表示了路径上的站点变化。速度优化的任务是在ST图上找到一条合理的，无障碍的路径。Apollo使用多个样条来表示速度参数，在ST图上表示为一系列的ST点。Apollo会对二次规划的结果做再次的平衡以获得最佳的速度参数。

图解移动机器人中的运动规划(Motion Planning)，附几十种规划算法