Baidu Apollo代码解析之轨迹规划中的轨迹评估代价函数

最新推荐文章于 2025-07-08 11:40:56 发布
原创 最新推荐文章于 2025-07-08 11:40:56 发布 · 3.3k 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：

#Apollo #自动驾驶 #轨迹规划 #代价评估 #最小代价

大家好，我已经把优快云上的博客迁移到了知乎上，欢迎大家在知乎关注我的专栏慢慢悠悠小马车（https://zhuanlan.zhihu.com/duangduangduang）。希望大家可以多多交流，互相学习。

Baidu Apollo中包含了2种轨迹规划方法：Lattice Planner 和 EM Planner。其中，Lattice主要是采样和剪枝的思想，EM主要是优化的思想。二者的目标都是求取代价最小的路径，那么，代价函数设计的好坏，就至关重要了。

Lattice Planner

Lattice Planner主要设计了6个代价函数（3.5版本），考虑了到达目标、平滑、避免碰撞、向心加速度、横向偏移、舒适性等因素。

  • 纵向，到达设定速度、行驶距离

speed\, cost = \frac{ \sum_{t = 0}^{t = T} \left ( t^{2}\cdot \left | v_{ref}(t) - v_{lon}(t) \right | \right )} { \sum_{t = 0}^{t = T} t^{2}} 

dist\, travelled\, cost = \frac{1}{1+dist(T)}

longitudinal\, objective\, cost = \frac{w_{1}\cdot speed \, cost + w_{2}\cdot dist\, travelled\, cost} {w_{1}+w_{2}}

上式中，T是指轨迹时间长度，后面会有我对这个量的设置的理解。dist(T)是在指定时间内行驶的距离，也就是轨迹的长度。

  • 纵向，平滑

最低0.47元/天 解锁文章

200万优质内容无限畅学
【Apollo 6.0算法解析】Apollo EM Planner
xiewf的博客
01-06 6720
重新整理下Apollo EM Planner的算法实现。
Apollo规划模块：Em Planner算法原理解析（论文研读）
qq_41667348的博客
07-13 8778
EM planner是基于百度Apollo（开源）的实时运动规划系统。旨在解决工业4级运动规划问题。该规划器以多车道、路径速度迭代、交通规则和决策组合设计的安全性和乘坐体验为目标。系统分层覆盖了多车道和单车道自动驾驶。...
Apollo6.0代码Lattice算法详解——Part 7: 获得最优轨迹
weixin_44558122的博客
05-18 8910
Apollo6.0代码Lattice算法详解——Part 7: 获得最优轨迹0.前置知识1.涉及主要函数2.函数关系3.部分函数代码详解    3.1 lattice_planner.cc中代码部分    3.2 函数-Combine    3.3 函数-frenet_to_cartesian    3.4 函
学习笔记10--局部轨迹生成主要方法
FUXI_Willard
07-28 1037
本系列博客包括6个专栏，分别为《自动驾驶技术概览》、《自动驾驶汽车平台技术基础》、《自动驾驶汽车定位技术》、《自动驾驶汽车环境感知》、《自动驾驶汽车决策与控制》、《自动驾驶系统设计及应用》。此专栏是关于《自动驾驶汽车决策与控制》书籍的笔记....
Apollo源码架构解析---附C++代码设计示例
最新发布
小庞的博客
07-08 797
摘要：百度Apollo自动驾驶平台采用分层模块化架构，包含感知、定位、决策、规划和控制五大核心模块。文章重点解析了感知模块的多传感器数据融合机制，通过C++伪代码示例展示了工厂模式、策略模式等设计模式的应用。规划模块采用场景-阶段-任务三层架构，使用状态机驱动场景切换。Apollo架构具有模块化、可扩展性和实时性特点，建议学习者从ROS基础和C++面向对象编程入手，逐步深入理解模块交互机制。
Apollo星火计划学习笔记——Apollo速度规划算法原理与实践
热门推荐
sinat_52032317的博客
12-29 1万+
Apollo中对路径规划解耦，分为路径规划与速度规划两部分。并将规划分为决策与优化两个部分。•路径规划—— 静态环境（道路，静止/低速障碍物）•速度规划—— 动态环境（中/高速障碍物）## 1.1 速度规划的坐标系速度规划的坐标系注意：速度规划的sss沿着轨迹的方向，路径规划的sss沿着参考线的方向。目标函数与二次规划的目标函数差不多，增加了横向加速度的代价值以及松弛变量wsoftslowerwsoft​slower​与wsof。
Apollo星火计划学习笔记——第七讲自动驾驶规划技术原理1
sinat_52032317的博客
12-13 4411
在自动驾驶系统中，与人类驾驶员对比，感知模块相当于人类眼和耳朵;地图搜索路径和车道级别的路径规划，相当于人脑对道路的记忆和搜索；最后决策规划功能，相当于人类对道路环境和客观世界的反应和判断。规划技术就是包括地图搜索路径，以及道路决策和规划这部分重要的功能。Apollo规划模块根据感知预测的结果，当前车辆定位信息，以及Routing的结果，规划出一条安全行驶的轨迹，这个轨迹会发送给Control模块，Control模块通过油门，刹车和方向盘，控制车辆按照规划的轨迹运行。
路径规划-learning
BigDavid123的博客
10-17 1582
本文概述了路径规划的基础知识
解析百度Apollo自动驾驶平台
weixin_33697898的博客
06-25 3110
最近对百度的自动驾驶平台Apollo项目做了一些了解。下面将我所了解到的一些信息分享给大家。 Apollo项目介绍 阿波罗（Apollo）是百度发布的面向汽车行业及自动驾驶领域的合作伙伴提供的软件平台。发布时间是2017年4月19日，旨在向汽车行业及自动驾驶领域的合作伙伴提供一个开放、完整、安全的软件平台，帮助他们结合车辆和硬件系统，快速搭建一套属于自己...
Apollo规划模块代码学习(1): 算法架构原理、运行机制一文详解
qq_41667348的博客
02-22 3477
Apollo 规划模块功能的实现是基于多个场景（scenario-based）实现的，不同的场景分成多个阶段（stage），每一阶段执行多个任务（task）来完成轨迹规划。其功能是规划出实时的轨迹，并保证轨迹的安全、避障、遵守交通规则、舒适度等。规划模块代码架构如下，输入包括Routing信息、感知预测信息（障碍物、交通灯）以及车辆地盘信息、高精地图和定位信息。输出带有时间和速度信息的轨迹点。
Apollo 轨迹规划算法解析
WenbinYao&YouweiHu
02-02 5686
这篇文章主要整理一下前段时间学习的轨迹规划算法，关于轨迹规划问题可以查到的相关资料很多，但能把轨迹规划问题详细说清楚的并不太多，这导致我在学习过程中出现很多疑惑。这里我把Apollo的各个版本轨迹规划算法进行简单总结和汇总。
【局部规划模块项目实战】基于Frenet车道线坐标系，结合DP探索、QP优化实现无人车速度轨迹生成并优化
qq_35635374的博客
11-06 2726
本文先对基于Frenet车道线坐标系，采用DP探索、QP优化进行速度解耦局部规划做个简单的介绍，具体内容后续再更，其他模块可以参考去我其他文章提示：以下是本篇文章正文内容。
Apollo规划代码ros移植-EM planner
weixin_39735688的博客
05-31 2178
之前出了这一篇文章，Apollo规划代码ros移植-路径规划可跑工程代码编译版本分享1，里面的功能包括stanly控制算法，Lattcie规划移植，frenet采样规划，倒车规划，避开障碍物等。框架可以实现基于Lanelet高精度地图的路径规划，可以直接编译运行，跟其他模块结合后，可应用于实际车辆。今天，先介绍一下EM_Planner的Ros移植。当然，后面还会出变道和超车的算法移植，这次的EM_Planner我们暂时考虑单车道规划，对于代码更新，我都会第一时间在交流群分享，所以想进群学习的人，可以私信我。
EM规划器：EMPlanner
lzw0107的博客
02-25 1万+
EM规划器：EMPlanner EM规划器，也是规划模块Planning的核心，主要的任务是根据： 感知模块Perception和预测模块Prediction得到的障碍物以及未来时间(e.g. 5s内)的运动轨迹 当前路况，禁停区、减速带、停车标志、人行横道等等 来最终规划无人车的最优行驶路径。从参考线提供器ReferenceLineProvider可以看到，当无人车面临变道时，就会存在多条参考线(变道时间可随机扰动，变道早可能进入车道1，变道晚就可能进入车道2)。那么EM规划器就需要计算每条参考线上的
Apollo：多项式曲线类
OceanStar的博客
03-06 593
多项式曲线由于其微分、积分计算方便，在自动驾驶的路径规划、速度规划中有着广泛的应用，apollo平台Planning算法中也为此单独做一个功能类供上层调用。
Apollo lattice与EM planner的区别，两种规划算法的区别与联系
pvmsmfchcs的博客
02-07 2807
lattice优点在于：同时生成了符合车辆动力学的路径与速度曲线，不用去进一步平滑处理；且参数较少，计算消耗低；由于轨迹形状固定，比较适合高速或者快速路等简单场景，对于城区复杂道路，EM还是更擅长一些。Apollo lattice与EM planner的区别。
Apollo：Planning决策规划代码
OceanStar的博客
02-20 1438
的工程实现是三分策略：分场景，分阶段，分任务实现。即将运动规划问题，先划分到不同场景(泊车，左转等)，再分阶段执行(减速，转弯灯)，最后分任务执行。Apollo开源框架经过近几年的发展，已经开发了多种方案的规划器，此处采用基于车道线规划的LatticePlanner进行示例解读。
【Baidu Apollo】6.1 规划
笑扬轩逸的博客
08-02 7019
本文参考了Apollo自动驾驶公开课朱帆老师的讲座还有Udacity公开课的内容。 技术难点 规划模块所面临的技术难点有三点。 第一，车辆所处的环境复杂度高。因此传感器检测返回的数据复杂，障碍物个数种类多；路况信息复杂，在高速上一秒钟车辆能跑出30米，情况瞬息万变。 第二，系统对规划模块的要求高。规划模块需要覆盖所有的ADAS场景，对模块计算的实时性和稳定性有着很高的要求。 第三...
Apollo速度规划都有什么？详解阿波罗动态规划&轨迹优化！
CV_Autobot的博客
10-11 2876
作者|無印燁 编辑|汽车人原文链接：https://zhuanlan.zhihu.com/p/656399342点击下方卡片，关注“自动驾驶之心”公众号ADAS巨卷干货，即可获取点击进入→自动驾驶之心【规划控制】技术交流群本文只做学术分享，如有侵权，联系删文Apollo速度规划分为：DP（动态规划）+ QP（轨迹优化）两部分。DP给出一个粗解，为了开辟一个凸空间，然后再由osqp/ipo...
评论 6
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
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