gophae的博客

本文解析Safe trajectory generation for complex urban environments using spatio-temporal semantic corridor 中提到的 Spatial-temporal Semantic Corridor(SSC) 概念，并讨论其如何在自动驾驶的环境建模中使用。文章的contribution为：使用SSC将不同的语义信息统一在时空语义通道中。使用基于优化的trajectory generation 方法进行motionp

本文解析Apollo发表于ITSC2019的一篇规划方面的论文：Optimal Trajectory Generation for Autonomous Vehicles Under Centripetal Acceleration Constraints for In-lane Driving Scenarios文章简述了规划模块的in lane driving 的纵向规划的最新方案之一，更确切的说是不带变道的部分。文章分为两个主要部分，第一部分是参考线生成，第二部分是如何生成一条path-time 轨

本文解析Optimal Vehicle Path Planning Using Quadratic Optimization for Baidu Apollo Open Platform，文章发表于IEEE-IV2020，出自百度。方法针对的场景是结构化道路上的因对静态或者低速障碍物的轨迹优化方法。文章主要论述的内容为：1）参考线的前处理2）道路边界的计算3）基于二次规划的轨迹优化文章的创新点是结合了Werling et al的解耦思路，降低了计算维度，在选择最优曲线上使用了二次规划的基于优化理论

本文解析论文Autonomous Parking using Optimization-Based Collision Avoidance。文章来自uc berkley，这个方案也是非常主流的混合A*泊车方案中的一种，百度也借鉴了这个方案来设计自己的在U型弯和停车场泊车中的功能。文中的方案也是已经开源到了作者GitHub，但这个是julia写的，感觉只有我数学系的老师金炳义才会用Julia，我港科数学系不是盖的好吧， 给数学系丢脸了。Julia这个我是真的没接触过，好在可以直接去读apollo的c++源码如

本文解析论文：A Practical Trajectory Planning Framework for Autonomous Ground Vehicles Driving in Urban Environments来自国防科大团队文章依旧沿用了经典的横向的空间规划，和纵向的速度规划。在横向上，横向位置是关于纵向距离S的三阶多项式。纵向上速度是关于时间T的四阶多项式。对速度的规划采用了典型的机器人速度规划方法，梯形速度规划，然后在做后处理进行速度平滑。另外，在对轨迹的前处理中，对车道中心线为代表的

本文解析State Space Sampling of Feasible Motions for High-Performance Mobile Robot Navigation in Complex Environments文章对motion planning的方法进行了一个总结，并且提出了自己的state space sampling method.对于control sampling和state space sampling这两种方法 值得注意的几个总结如下：对于state space sam

解析论文：A Sampling-Based Local Trajectory Planner for Autonomous Drivingalong a Reference Path文章依然采用了sampling based method 进行规划。主要包含四个部分：参考线优化，空间曲线规划，速度曲线规划，代价函数最优问题结构如图：第一部分：使用SVM进行参考线优化：具体的方法参考...

本文解析论文Runtime-Bounded Tunable Motion Planning for Autonomous Driving论文的两个点我认为都比较值得应用，接下来有时间我会进行测试，但估计是没时间的，最近很繁忙。总结一下：第一，论文依然采用了sampling based的路径规划方法，但是一开始使用的是点的连接，先生成粗糙曲线然后再做平滑处理。第二，论文再代价函数的调参问题上...

本文解析文章：On-Road Trajectory Planning for General Autonomous driving with enhanced tunability文章稀松平常，没什么创新点，基本上还是用的Dolan组的惯有伎俩。横向位置规划加纵向速度规划，但文章里面强调了参数的调节问题，也就是选少一点参数的意思，完全没有谈到要点，但是总体思想可以被任何想要实现无人驾驶路径规划的...

对论文 Focused Trajectory Planning for Autonomous On-Road Driving的解析本文对Focused Trajectory Planning for Autonomous On-Road Driving此篇论文进行解析，这批论文来自CMU Dolan小组的成果，此小组参加过Darpa城市赛并取得不错名次，所使用方法均基本在同一体系下。下面进行详解...

解析论文：A real_time motion planner with trajectory optimization for autonomous vehicles论文的核心结构是这样的：1，规划上是时空分离的，横向规划是建立曲率kappa关于位置s的函数，纵向上建立速度v关于位置s的函数。2，函数建立后使用lattice planner 的方式进行撒点，生成对应的cost funct...