1. 自动驾驶规划控制决策基础概念
自动驾驶系统的规划控制模块是整个自动驾驶系统的"大脑",负责将感知层获取的环境信息转化为具体的车辆运动指令。这个模块的核心任务可以概括为三个问题:去哪里?怎么去?如何安全舒适地到达?
在工业界实践中,规划控制通常被分解为三个层级:
- 行为决策层(Behavior Layer):基于交通规则和场景理解做出高级决策(如变道、跟车、停车等)
- 运动规划层(Motion Planning):将决策转化为具体的运动轨迹
- 控制层(Control Layer):执行轨迹跟踪,控制车辆实际运动
需要模型API调用? 免费领10W Token,多模型网关一键接入 Claude、DeepSeek 等主流模型。
2. 路径-速度解耦规划原理与实践
2.1 解耦规划的基本概念
路径-速度解耦(Path-Velocity Decomposition)是当前自动驾驶规划领域的主流方法。这种方法将复杂的运动规划问题分解为两个相对独立的子问题:
- 路径规划(Path Planning):在二维空间(S-L坐标系)规划车辆的空间路径
- 速度规划(Speed Planning):在一维时间(S-T坐标系)规划沿路径的速度分布
这种解耦方式类似于人类驾驶员的行为模式:
- 先确定行驶路线(路径规划)
- 再根据路况调整车速(速度规划)
2.2 解耦规划的技术实现
2.2.1 Frenet坐标系基础
Frenet坐标系是解耦规划的核心数学工具,它将弯曲的道路"拉直"为:
- S轴(纵向):沿参考线的累积距离
- L轴(横向):偏离参考线的距离
坐标转换公式:
code复制s = ∫₀ˣ √(1 + (dy/dx)²) dx
l = ±d (到参考线的垂直距离)
2.2.2 路径规划实现
典型的路径规划流程:
- 障碍物投影:将笛卡尔坐标系的障碍物转换到Frenet坐标系
- 可行走廊生成:考虑静态和动态约束确定可行驶区域
- 轨迹优化:使用QP或样条曲线生成平滑路径
优化目标函数示例:
code复制min ∫(w₁l² + w₂(dl/ds)² + w₃(d²l/ds²)²)ds
其中权重w₁、w₂、w₃分别对应路径偏移、航向误差和曲率的惩罚项。
2.2.3 速度规划实现
速度规划的核心是ST图
