自动驾驶系统的决策规划模块介绍

https://www.toutiao.com/a6714594255387492878/

对于自动驾驶系统，如果将感知模块比作人的眼睛和耳朵，那么决策规划模块就是自动驾驶的大脑。

大脑在接收到传感器的各种感知信息之后，对当前环境作出分析，然后下达命令到底层控制模块。

这个过程就是决策规划模块的主要任务。

典型的决策规划模块可分为三个层次：

• 全局路径规划（Route Planning）
• 行为决策层（Behavioral Layer）
• 运动规划（Motion Planning）

1、全局路径规划

全局路径规划是指：在收到一个目的地信息后，结合高精度地图信息和本车的当前位姿信息，生成一条最优的全局路径，作为后续局部路径规划的参考和引导。

这里的"最优"可以指路径最短、时间最快或必须经过指定点等条件。常见的全局路径规划算法包括Dijkstra、A-Star算法，以及在这两种算法基础上的多种改进。

2、行为决策层

行为决策层是指：在接收到全局路径后，根据从感知模块得到的环境信息（其他车辆、行人等障碍物信息，道路上交通标志、红绿灯等交通规则信息），以及本车当前的行驶路径等状态信息，作出具体的行为决策（如变道超车、跟车行驶、让行、停车、进出站等）；

行为决策层用的较多的算法包括：有限状态机、决策树、基于规则的推理模型等。

该层有三个难题需要解决：

• 实际的交通场景千变万化，如何做到通用；
• 其他交通参与者的行为存在不确定性，不仅需要对其行为做预测，还需要考虑本车与其他交通参与者的博弈；
• 如何应对感知模块提供的信息做不到100%的准确和100%的全覆盖。

3、运动规划

运动规划是指：根据具体的行为决策，生成一条满足各种约束条件（如安全性、平顺性、车辆本身的动力学约束等）的轨迹，该轨迹作为控制模块的输入决定车辆的行驶路径。

运动规划可进一步分为局部路径规划和速度规划，即将"行为"转化成一条更加具体的行驶"轨迹"，从而能够生成一系列控制信号（加速度、方向盘转角、档位、灯光等）， 实现车辆的自动行驶。

局部路径规划和速度规划算法，常用的有基于搜索的规划算法，基于采样的规划算法，以及直接优化的方法。

相关阅读

基于S-T图的速度规划介绍-Apollo学习笔记

自动驾驶系统的决策技术介绍-Apollo学习笔记

无人车的避障系统介绍：障碍物的检测、轨迹预测和避障路径生成