文献阅读之高速场景的分层运动规划框架

大家好，欢迎大家关注我的知乎专栏- 慢慢悠悠小马车。

---

原文《A Hierarchical Motion Planning Framework for Autonomous Driving in Structured Highway Environments》。

摘要、简介、算法框架

本文提出了一种分层运动规划框架，适用于结构化的含动静态障碍物的高速环境。为了解决高计算复杂度和局部极小值问题，提出了解耦的规划方法如图1，分为2步：long-term planning（10s） and short-term planning（3s）。

1、long-term planner产生far-sighted行为（behavior），也是分2步：

a、 沿车道采样构造搜索空间，动态规划搜索出一条最优路径（path），考虑到道路的形状和障碍物（附近车辆）。这一步决定了在哪片区域行驶，体现了纵向和横向的lane-level决策信息（是否变道）。

b、构造加速度的搜索空间，应用Jump Point Search（JPS）搜索一条带时间信息的轨迹（trajectory）。JPS只适用于uniform step cost，但本文的non-uniform step cost可以产生次优解。

2、short-term planner应用particle swarm optimization（PSO）优化一条short-sighted轨迹。steering angle set被编码为1个particle，考虑了车辆运动学模型。

vehicle-in-the-loop仿真验证，动静态障碍物都是通过Intelligent Driver Model生成的。planning horizon是10s，规划周期100ms。

三 long-term planning

A 最优path生成