Apollo轨迹规划技术分享Gitchat,一步帮你把车驶入正轨

听说你的无人车还不在状态？红黄绿交通灯识别不当，障碍物绕了又绕，这里有个机会助力你的车车步入“正轨”！

Apollo轨迹规划技术分享Gitchat，此次分享由百度高级架构师，百度Apollo平台规划方向技术负责人—Zhang Yajia讲解。

轨迹规划是无人驾驶系统的核心模块之一。轨迹规划的核心就是要解决车辆该怎么走的问题。轨迹规划的输入包括拓扑地图，障碍物及障碍物的预测轨迹，交通信号灯的状态，还有定位导航（因为要知道目的地是哪才能规划路径）、车辆状态等其他信息。而轨迹规划的输出就是一个轨迹，轨迹是一个时间到位置的函数，就是在特定的时刻车辆在特定的位置上。轨迹规划算法的优劣直接决定了无人驾驶车的安全性和舒适性，在无人驾驶系统中发挥着至关重要的作用。

轨迹规划本质上来说是一个优化问题。谈到优化问题，我们需要知道优化的约束和优化的目标。首先看约束，第一个约束就是车辆要遵守交规，这是强制性的约束；第二个约束是要避免碰撞；第三个约束是要使规划的轨迹在控制上可实现，不能出现规划了一个急弯的轨迹，车根本拐不过来的状况。而优化的目标总的来说就是要跟人开的像，具体表现就是让人乘坐起来感到舒适，但像人也有不同的优化目标。

在百度 Apollo 无人驾驶开源平台中，轨迹规划分为路径规划和速率规划两个顺序过程。路径规划结合道路边界线、静态障碍物的信息，产生轨迹的几何信息。速率规划在给定的路径下，考虑动态障碍物的预测轨迹、道路限速信息和决策信息，产生安全舒适的速率分配。

除了你，已有800+开发者Get新技能。本次分享会除了高质量干货分享，还包括与百度高级架构师，百度Apollo平台规划方向技术负责人——Zhang Yajia的问答互动，约等于一对一的授课，马上翻开小本本开始做课前准备。

我们目前从Zhang Yajia的Gitchat中瞄到了两段：轨迹规划的综述以及无人驾驶的位形与状态，先与你一起分享。

以下，ENJOY

轨迹规划的目标是计算出安全、舒适的轨迹供无人驾驶车辆完成预定的行驶任务。安全意味着车辆在行驶过程中与障碍物保持适当的距离，避免碰撞；舒适意味着给乘客提供舒适的乘坐体验，比如避免过急的加减速度，在弯道时适当减速避免过大的向心加速度等等；最后，完成行驶任务指规划出的轨迹要完成给定的行驶任务，不能因为过于保守的驾驶导致不可接受的行驶时间。

我们这里对轨迹规划问题作正式的定义。首先，我们介绍两个机器人领域的概念：位形（Configuration）是在所研究的规划问题中，能够唯一性的表达机器人状态的最小一组变量。变量的数量称为位形的维度。这里需要注意的是，位形空间的维度，即使对于同一个机器人来讲，所研究的问题不同，维度也是不同的。比如，对一个人形机器人来讲，如果规划问题是在三维空间中移动，位形需要由参照点的变换矩阵，关节的伸展角度组成；如果规划问题是作物体的操作（Manipulation Planning），则在前面问题位形空间的基础上，还要增加机器人手指关节的伸展角度等。