[[440766]]

最近看到一篇非常好的關于自動駕駛規劃方法的綜述（A Review of Motion Planning Techniques for Automated Vehicles），寫的非常好，總結了近幾十年來總動駕駛規劃的發展之路，引用了許多經典的文章。覺得可能對做規劃的小伙伴會有幫助，所以分享出來。

這篇文章的一個觀點非常好，他把自動駕駛的運動規劃分成四大類：graph search 圖搜索，采樣，插值和數值優化。下面展開論述。

A. Graph search based planners

這種方法把狀態空間表達成網格或者lattice的形式，然后在這些狀態里面找到一個可達的path。這類方法主要有A* D* Dijkstra algorithm 算法。值得一提的還有state lattice算法，雖然這個圖看起來和Apollo里面的lattice不一樣，但是這個是爸爸，在這篇文章[1]里面提出了時空lattice，這個也就是后來Apollo算法里面用的。

B. Sampling based planners

這個主要介紹了RRT算法，嗯非常經典好用，如果有感興趣的可以單獨開講。

C. Interpolating Curve Planners

這里介紹了幾種曲線生成的方法，主要有羊角螺旋線（Clothoid Curves）多項式曲線（Polynomial Curves） 貝塞爾曲線（Be ́zier Curves）

分別介紹了這幾類樣條曲線在路徑規劃的優化過程中作用。

clothoid curves 是個比較神奇的曲線，天生適合車輛規劃，因為它的曲率是線性變化的，又因為車輛運行軌跡的曲率和方向盤基本上成正比，也就是說這種線型出來的結果方向盤會非常順滑。

貝塞爾曲線 計算簡單 速度快。

多項式擬合也是一個比較好的方法。

D. Numerical Optimization:

數值優化的方法講的比較粗略，基本上只是講了下勢能場法的應用。

在這一段的結束，作者給出了一個大的表格，比較不同方法的優劣，感覺這個比較強大，不是大佬很難總結的如此精辟。

各種規劃算法的優劣對比

下面這幅圖，作者闡述了不同項目/公司的motion planning的技術方案，從下面這個圖可以看出來，各家公司很少會依賴單一的規劃方法進行規劃，而是根據使用場景，結合兩個甚至更多種的規劃方法來進行規劃。比如斯坦福大學和合作機構采用了AL算法，基于優化的算法甚至用羊角螺旋線進行插值。

大多數企業采用了基于樣條曲線，羊角螺旋線的方法，主要是考慮可以獲取細致的道路信息。采用search 方法的主要原因是這樣的速度快，在復雜場景下而且可以搜索到比較好的曲線。目前規劃存在的挑戰在于實時性，由于越來越多的障礙物，感知留給規劃的時間窗口越來越小。下一步的motion planning的研究，應該考慮感知的不確定性以及控制的約束。這樣會更加安全，舒適。