在规划中 我们通过结合高精度地图，定位和预测来构建车辆轨迹，
第一步是路线规划，地图路线导航，从 A 前往 B， Apollo 中 通过路线规划模块处理该任务，
第二步是轨迹规划，目标是生成免碰撞和舒适的可执行轨迹，该轨迹由一系列点定义，每个点都有一个关联速度，和一个指示何时应抵达那个点的时间戳
路线规划（路由）
路线规划三个输入：
第一个输入为地图，Apollo 提供的地图数据包括公路网和实时交通信息
第二个输入为我们当前在地图上的位置（A）
第三个输入为我们的目的地（B）
地图数据转化为“图“（graph）——包括节点和边
图映射到网格世界（橘黄色点到绿色点） A*算法
g是起点到候选节点的值
h是候选节点到终点的值
f是两者结合 然后选择最小 
轨迹生成
轨迹生成的目标是生成由一系列路径点所定义的轨迹，为每个路径点分配了一个时间戳和速度，我们让一条曲线与这些路径点拟合，生成轨迹的几何表征。然后多条轨迹选最佳
由于移动的障碍物可能会暂时阻挡部分路段，轨迹中的每个路点都有时间戳，我们可以将时间戳与预测模块的输出相结合，以确保在我们计划通过时，轨迹上的每个路径点均未被占用，这些时间戳创建了一个三维轨迹，每个路径点由空间中的两个维度，以及时间上的第三个维度来定义，我们还为每个路径点指定了一个速度，速度用于确保车辆按时到达每个路径点 
1.多种约束条件
- 轨迹应能免于碰撞
- 要让乘客感到舒适 路径点之间的过渡以及速度的任何变化都必须平滑
- 可行的实际路径
- 交通规则
2.Frenet坐标系
路中心线为y轴，距中心线平移的距离为x轴
3.路径-速度解耦 规划
将轨迹分为两步：
- 路径规划
- 速度规划
路段分割成单元格，然后对这些单元格中的点进行随机采样，通过从每个单元格中取一个点并将点连接，我们创建了候选路径，通过重复此过程 我们可以构建多个候选路径，我们使用成本函数对这些路径进行评估，并选择成本最低的路径，成本函数可能考虑以下因素，与车道中心的偏离，与障碍物的距离，速度和曲率的变化，对车辆的压力，或任何其他因素。
---------------------
然后选择与该路径关联的速度曲线，一个被称为“ST 图”的工具可以帮助我们设计和选择速度曲线，在 ST 图中，“s”表示车辆的纵向位移 、“t”表示时间，ST 图上的曲线是对车辆运动的描述，因为它说明了车辆在不同时间的位置，由于速度是位置变化的速率，所以我们可以通过查看曲线的斜率从 ST 图上推断速度，斜坡越陡
最佳速度曲线，我们需要将 ST 图离散为多个单元格，单元格之间的速度有所变化，但在每个单元格内 速度保持不变，该方法可简化速度曲线的构建，并维持曲线的近似度，在 ST 图中，可以将障碍物绘制为在特定时间段内，阻挡道路的某些部分的矩形，例如 假设预测模块预测车辆，将在 t0 到 t1 的时间段内驶入我们的车道，由于该车将在此期间占据位置 s0 到 s1，因此我们在 ST 图上绘制了一个矩形，它将在时间段 t0 到 t1 期间阻挡位置 s0 到 s1，为避免碰撞，速度曲线不得与此矩形相交，既然有了一张各种单元格被阻挡的 ST 图，我们便可以使用优化引擎为该图选择最佳的速度曲线，优化算法通过复杂的数学运算来搜索，受到各种限制的低成本解决方案，这些限制可能包括：交通规则限制 ，距离限制 如与障碍物的距离，汽车的物理限制 如加速度限制
为了将离散解决方案转换为平滑轨迹，我们可使用“二次规划”技术，二次规划将平滑的非线性曲线与这些分段式线性段拟合
4.三维轨迹生成Lattice
一旦路径和速度曲线就绪，我们便可以用其构建三维轨迹。。。。就是再加一个时间的维度
通过分离轨迹的纵向和横向分量来解决的，将三维问题分解成两个单独的二维问题
- 其中一个二维轨迹是具有时间戳的纵向轨迹，我们称之为 ST 轨迹，
- 另一个二维轨迹是，相对于纵向轨迹的横向偏移，我们称之为 SL 轨迹
- 然后将它们合并
为生成纵向和横向二维轨迹，我们先将初始车辆状态投射，到 ST 坐标系和 SL 坐标系中，通过对预选模式中的多个候选最终状态进行采样，我们来选择最终车辆状态，对于每个候选最终状态，我们构建了一组轨迹，将我们的车辆从其初始状态转换为最终状态，我们使用成本函数对这些轨迹进行评估，并选择成本最低的轨迹
5.车辆状态
- 巡航：车辆将在完成规划步骤后定速行驶
- 跟随：尝试在时间 t 出现在某辆车后面 跟随车辆
- 停止：速度和加速度会被修正为 0
一旦我们同时拥有了 ST 和 SL 轨迹，我们就需要将它们重新转换为笛卡尔坐标系，然后 可以将它们相结合，构建由二维路径点和一维时间戳组成的三维轨迹，ST 轨迹是随时间变化的纵向位移，SL 轨迹是，纵向轨迹上每个点的横向偏移，由于两个轨迹都有纵坐标 S，所以我们可以通过将其 S 值进行匹配来合并轨迹 