【自动驾驶轨迹规划之路径规划总结】
欢迎大家关注我的B站：
请访问哔哩哔哩用户的个人中心——Zheng同学的偷吃薯片个人空间及个人主页页面。
目录
1 路径规划问题的介绍
2 路径规划算法的分类
3 各种路径规划算法的简介
4 路径规划算法的优缺点分析
本篇文章参考Apollo轨迹规划算法综述。
未来几期将深入探讨多种全球性避障策略与寻径技术
1 路径规划问题的介绍
planning承接环境感知，并引导控制流程。通过planning获得的轨迹包含速度信息的道路路径。从广义上来看, planning可以划分为Routing(路由寻径)、Behavioral Decision(行为决策)、Motion Planning(运动规划)。
Routing is classified as a large-scale path planning system. It can be understood as a combination of conventional map-based navigation and high-precision maps, which include lane information and traffic rules, among other details.
该系统支持基于实时数据优化路径规划与车辆控制策略；其核心功能包括动态环境感知与障碍物规避、复杂交通场景下的实时决策支持以及多目标路径优化；系统采用先进的人工智能算法实现对驾驶员行为模式的实时分析与预测；
运动规划（Motion Planning） 是一种局部路径规划技术，在未来的某个时间段内行驶的路线必须满足包括汽车运动学、动力学、舒适性以及无碰撞在内的各项要求。
轨迹规划的主要目标是确定一条无碰撞且可执行的具体运动轨迹（包含路径和速度参数），确保车辆从起点安全行驶至目的地，并兼顾效率。其本质涉及多个优化目标的数学建模问题。因此，在完成全局路径规划后等同于将最优控制策略与局部路径规划相结合。
主要的优化目标包括：
安全性： 通过预防措施来规避固定物体潜在的撞击风险；考虑到移动障碍物可能随时改变路径，在动态环境中降低潜在碰撞的可能性。
车辆运动惯性较强、运动灵便性不足，因此目标轨迹需确保车辆的物理可行性和控制器的稳定性。
在确保行驶安全性和稳定性的同时，在提升驾驶操作的舒适度方面也需要特别关注。具体来说，在实现这一点时应当重点考虑车辆在加速、减速以及转向等操作过程中的表现。
驾驶效率主要体现在，在确保行驶安全和稳定性的前提下，并通过提升行驶速度来实现更快捷的行程时间到达目的地。
在实际场景中，规划过程需要考虑各种物理约束，有且不限于：
加减速度约束由动力系统与制动系统的技术限制以及驾驶者的安全需求与舒适度要求所限
非完整性约束： 车辆在运动中拥有三个自由度；然而仅有两个控制自由度；这些非完整性约束条件决定了轨迹运行的物理可行性；
动力学特性限制： 基于车辆的动力学特性与车身稳定性分析可知，在实际驾驶过程中，这些参数对驾驶过程中的曲率和横摆角速度施加了一定的限制。
2 路径规划算法的分类
该图主要呈现路径规划相关算法的分类框架，在后续文章中将重点分析较为常见的几种算法。该图采用的分类方式并非完全精准，并且包含的具体路径规划算法也不尽全面；其中也有一些实际并不适用于路径规划领域的算法。对于其中某个具体的算法，则可以单独进行深入学习；对当前内容不做更多阐述。
3 各种路径规划算法的简介
下图为各种路径算法的简介
4 路径规划算法的优缺点分析
下图为各种路径规划算法的适用性，优势与缺陷的简单介绍
在掌握了路径规划算法的基本概念后, 下述文章将对若干路径规划算法进行详细解析, 包括深入分析其工作原理、提供对应的代码实现以及评估不同方案下的性能特点。