PonyAI：自动驾驶中轨迹规划的探索和挑战
轨迹规划基本介绍
轨迹规划的概念
核心是解决车辆该怎么走的问题
输入
- 拓扑地图
- 障碍物
- 障碍物的预测轨迹
- 交通信号灯的状态
- 定位
- 导航
- 车辆状态
输出是一个 轨迹，是时间到位置的函数 t→(x,y,z)
为什么需要决策模块
决策
- 限定非凸问题（轨迹规划）的解空间，将问题转化为凸的
- 使解更加稳定
- NP-hard（非确定性多项式困难）问题
需要决策的场景
- 抢行还是让行
- 是否要冲黄灯
- 在哪两辆车之间变道、并线
- 是否要主动变道
- 是从左还是右绕行前方障碍物
纵向规划决策求解：动态规划
- 将t - s 图进行 离散化
- 通过前边两步近似求出加速度，写出一个 状态转移方程
- 只能一个 大概的决策 方法，即到底让或者不让，不能保证舒适
决策面临的挑战
1、NP-hard问题，不易直接求解
2、很难用规则去拟合人的经验
3、场景多变而复杂
横向规划
横向规划的解法
无车道的场景：业界大多都用搜索等路径生成的方式去处理。
有车道的情况：
- 离线生成 参考线
- 将求解
s→(x,y)的问题变为求解s→l的问题 l是指车辆在这个参考线上的 横向偏移量
参考线的生成
- 可以利用 高精地图 离线计算
- 约束
- 需要在车道线内
- 控制上可实现
- 优化目标
- 离参考线近
- 离障碍物远
- 曲率 不大
- 曲率变化率 不大
- 可以使用 二次规划 来解决
横向规划的挑战
- 没有车道线
- 普通车辆不按车道线行驶
- 行驶环境瞬息万变，预测困难
- 保证规划的路径光滑且在控制上可实现
纵向规划
纵向规划的定义和场景
车辆在设定好的路径上的速度规划
约束
- 遵守交规
- 避免碰撞
优化目标
- 乘坐 舒适
- 速度变化率 不大
- 加速度变化率 不大
- 行驶速度 尽量快一点
纵向规划的挑战
1、博弈
2、激进和保守 之间的平衡点
3、感知和预测 的困难
4、横纵向协调配合