智能驾驶进阶5——规划技术

基础知识概述

1. 规划本质是一个搜索问题（寻找目标函数），比如给一个函数，找一个最优解。
2. 无人车的搜索问题是给一个当前状态，求接下去运动的最优解。在机器学习中可以被定义为一个寻找映射的过程。
3. 目标函数定义无人车运动的优良性。
4. 运动规划分为三个领域
   （1）robotic fields：RRT、A*、D*lite、Lattice Planning
   （2）控制理论：MPC、LQR
   （3）AI：reinforcement learning（通过搜索算法找出一个运动可以优化运动功能）、end to end imitation learning（直接寻找方式）
5. 把运动规划问题转化为路径寻找问题，简化问题。
6. 运动规划难点：
   （1）处理动态障碍物
   （2）融入交通规则
   （3）实时计算（面对突发情况）
   （4）保证无人车按照规划路径行驶（使用一个动态模型）
7. 运动规划的两部分信息：
   （1）动态信息。包括感知模块获得的信息和从定位模块获得的信息。
   （2）静态信息。主要通过高精地图获得。
8. 车辆状态、交通灯信息、障碍物以及障碍物预测的轨迹、路由、高精度地图都是规划模块所获得的信息。轨迹不仅仅是要怎么走，而是随着时间这条路应该怎么走。要知道速度才知道随时间位置在哪里，要保证速度、路径规划都是平滑的。
9. non-information search——A*——D*——加入运动学模型——加入动力学模型——得出一个trajectory（技术轨道，一串点怎么随着时间运动）

路由选择
BFS广度优先搜索、DFS深度优先搜索，这两种搜索算法都是无信息搜索，我们不知道目的地与出发点之间的信息。

A算法、D算法

无人车只能部分观察环境，不能看到较远处的障碍物。A要求全知环境，对目的地和出发点的信息了解全面，在导航运用较多。无人车的这种部分已