文档介绍：浅析自动驾驶核心技术的路径规划
无人车的技术路线实际早已确定,那就是轮式机器人的技术路线。这已经从2007年的DARPA大赛到谷歌福特百度的无人车,超过十年的验证,轮式机器人技术完全适用于无人车。目前所有无人车基础算法的研究都源自机器人技术。

首先来说明三个概念,路径规划、避障规划、轨迹规划。
路径规划通常指全局的路径规划,也可以叫全局导航规划,从出发点到目标点之间的纯几何路径规划,无关时间序列,无关车辆动力学。
避障规划又叫局部路径规划,又可叫动态路径规划,也可以叫即时导航规划。主要是探测障碍物,并对障碍物的移动轨迹跟踪(Moving Object Detection and Tracking ,一般缩写为MODAT)做出下一步可能位置的推算,最终绘制出一幅包含现存碰撞风险和潜在碰撞风险的障碍物地图,这个潜在的风险提示是100毫秒级,未来需要进一步提高,这对传感器、算法的效率和处理器的运算能力都是极大的挑战,避障规划不仅考虑空间还考虑时间序列,在复杂的市区运算量惊人,可能超过30TFLOPS,这是无人车难度最高的环节。未来还要加入V2X地图,避障规划会更复杂,加入V2X地图,基本可确保无人车不会发生任何形式的主动碰撞。
轨迹规划则源自机器人研究,通常是说机械臂的路径规划。在无人车领域,轨迹规划的定义感觉不统一。有人将避障规划与轨迹规划混淆了。轨迹规划应该是在路径规划和避障规划的基础上,考虑时间序列和车辆动力学对车辆运行轨迹的规划,主要是车纵向加速度和车横向角速度的设定。将设定交给执行系统,转向、油门、刹车。如果有主动悬挂,那么轨迹规划可能还要考虑地形因素。
三大规划是无人车最复杂的部分,算法多不胜数,让人眼花缭乱,这也是百度、谷歌和苹果科技巨头要切入无人车领域的主要原因,这些科技巨头最擅长的就是算法的优化整合。当然传统车厂如福特和丰田,拥有对车辆动力学的绝对优势,在此领域实力并不比科技巨头要差,尤其是丰田,从开源SLAM到KITTI,软件实力丝毫不次于谷歌。
全局型路径规划不算复杂,前提是有拓扑级地图,这对地图厂家来说很容易的。对于非地图厂家是有点麻烦的,不过只能算小麻烦。所以我们重点讲避障规划,避障规划的前提是对周围环境有深刻的理解,有一个非常完善实时的的环境理解。
有了环境模型(不同于环境理解),在加上路径搜索就构成了路径规划。通常环境模型是三大类,分别是栅格法、可视图法、自由空间法。路径搜索的算法就多了,Dijkstra、Floyd-Warshall、A+算法、层次法、动作行为法、势场域法、栅格法、模糊逻辑法、拓扑法、惩罚函数法、遗传算法、模拟退火法、蚁群法和神经网络法等。需要指出的是,大多数算法都是诞生于六十年代。
这还仅仅是2D层面的,3D层面的将更加复杂。每一种算法下面还有再细分的算法,让人看了头晕目眩。因为很少有文献说3D路径算法,我们就多说几句,3D路径算法大体可以分为五类,取样算法(Sampling)、节点算法(Node)、工程数学模型算法(Mathematics)、仿生学算法(Bioinspired)、混合算法(MultiFusion)。以取样型算法为例,下面可以再分主动型与被动型。主动型下面还可以再细分。
节点型算法下面再分三大类。
环境建模方面,栅格法是公认最成熟的算法,栅格