路由寻径(Routing)
负责在宏观路网中形成街接起点终点的概略行车路线
- 目的
在地图上搜索出最优的全局路径
- 输入
高精地图拓扑信息
起点和终点的位置
- 输出
从起点到终点的路由线路
- 转换成拓扑地图
- 寻路流程
行为决策
在微观层面确定车辆当前需采取的行驶方式包括直行,轻微绕行、换道绕行、减速让行、加速抢行停车以及跟车
- 目的
保障无人车的行车安全并遵守交通规则
为路径和速度的平滑优化提供限制信息
- 输入
routing信息
道路结构信息(当前车道、相邻车道、汇入车道、路口等)
交通信号和标识(红绿灯,限速信息)
障碍物信息
- 输出
路径信息
速度限制和边界
时间上的位置限制边界
- 方法分类
- 决策内容
轨迹规划
在微观层面生成符合行为决策结果的时空连续轨迹
- 目的
在合理的时间到达规划的目标或终点
避免与障碍物碰撞
更好的乘坐体验
- 输入
决策输出信息
道路结构信息
交通信号和标识
障碍物信息
- 输出
稳定平滑的轨迹点
代码部分
规划算法
框架
lattice planner
采样过程:
最后对采样轨迹进行评价:
EM planner
计算期望值E,M则最大化E,然后交替进行。E步骤相当于把问题变换为图搜索问题,M步骤相当于解决搜索+非凸优化问题
路径规划:
速度规划:
算法比较
规划器实现
onlaneplanning task
流程
路径规划
开始规划:
速度规划
openspace task
该场景适用于自主泊车