无人驾驶实践入门——规划
规划方法：
通过结合高精度地图、定位和预测来构建车辆轨迹
步骤：
路线导航
轨迹规划
规划目标：
找到地图上A前往B的最佳路径
三个输入：
地图
当前地图的位置
目的地
查找路线的方法：
将地图格式化为由“节点”和“边缘”组成的“图形”数据结构，之后采用搜索算法
路径查找算法
A*：
计算开始节点到候选节点的成本
估计候选节点前往目的地的成本
对每一个候选节点通过添加g值和h值来计算总和
(g:起始点到候选节点成本，h:候选节点到目的地的估计成本)
轨迹生成
目标：
生成由一系列路径点所定义的轨迹
通过将时间戳与预测模块结合
轨迹评估：
安全性
舒适性
可行性
轨迹合法性
最佳轨迹选择：
使用成本函数，包括偏移、碰撞、速度限制等
坐标系：
Frenet坐标系
路径速度解耦规划步骤：
将规划分为路径规划与速度规划
使用成本函数评估，选择成本最低的路径
确定行进速度，确定速度曲线
最终构建车辆行车轨迹
候选路径生成步骤：
将路段分割成单元格
对单元格中的点随机采样创建候选路径
使用成本函数评估筛选
速度曲线方法：
使用ST图描述车辆在不同时间的位置
通过斜率判断速度快慢
速度规划方法：
分割ST图为多个单元格
构建阻隔区域
通过优化算法搜索路径
平滑化：
应用二次规划优化曲线来生成平滑路径
Lattice规划：
通过Frenet将环境投射到坐标上
目标是生成三维轨迹-纵向维度、横向维度和时间维度
分解为ST轨迹与SL轨迹再合并
ST轨迹（纵向）：
巡航（v不变）
跟随车辆
停止
扫描二维码关注公众号，回复：
11419860 查看本文章
SL轨迹（横向）：
Lattice轨迹生成：
通过匹配S坐标系生成轨迹
