自動(dòng)駕駛能否識(shí)別障礙物的能力與環(huán)境感知同等重要，如何安全有效的規(guī)劃行駛路線，是自動(dòng)駕駛汽車(chē)需解決的最大的難題之一。事實(shí)上，路徑規(guī)劃技術(shù)，現(xiàn)階段是一個(gè)非常活躍的研究領(lǐng)域。路徑規(guī)劃之所以如此復(fù)雜，是因?yàn)槠浜w了自動(dòng)駕駛的所有技術(shù)領(lǐng)域，從最基礎(chǔ)的制動(dòng)器，到感知周?chē)h(huán)境的傳感器，再到定位及預(yù)測(cè)模型等等。準(zhǔn)確的路徑規(guī)劃，要求汽車(chē)要理解我們所處的位置以及周邊的物體（其他車(chē)輛、行人、動(dòng)物等）會(huì)在接下來(lái)的幾秒鐘內(nèi)采取什么樣的行為。

首先來(lái)說(shuō)一下三個(gè)名詞：路徑規(guī)劃、避障規(guī)劃、軌跡規(guī)劃

路徑規(guī)劃通常指全局的路徑規(guī)劃，也可以叫全局導(dǎo)航規(guī)劃，從出發(fā)點(diǎn)到目標(biāo)點(diǎn)之間的純幾何路徑規(guī)劃，無(wú)關(guān)時(shí)間序列，無(wú)關(guān)車(chē)輛動(dòng)力學(xué)。

避障規(guī)劃又叫局部路徑規(guī)劃，又可叫動(dòng)態(tài)路徑規(guī)劃，也可以叫即時(shí)導(dǎo)航規(guī)劃。 主要是探測(cè)障礙物，并對(duì)障礙物的移動(dòng)軌跡跟蹤（ Moving Object Detection and Tracking ，一般縮寫(xiě)為MODAT）做出下一步可能位置的推算，最終繪制出一幅包含現(xiàn)存碰撞風(fēng)險(xiǎn)和潛在碰撞風(fēng)險(xiǎn)的障礙物地圖，這個(gè)潛在的風(fēng)險(xiǎn)提示是100毫秒級(jí)，未來(lái)需要進(jìn)一步提高，這對(duì)傳感器、算法的效率和處理器的運(yùn)算能力都是極大的挑戰(zhàn)，避障規(guī)劃不僅考慮空間還考慮時(shí)間序列，在復(fù)雜的市區(qū)運(yùn)算量驚人，可能超過(guò)30TFLOPS，這是無(wú)人車(chē)難度最高的環(huán)節(jié)。未來(lái)還要加入V2X地圖，避障規(guī)劃會(huì)更復(fù)雜，加入V2X地圖，基本可確保無(wú)人車(chē)不會(huì)發(fā)生任何形式的主動(dòng)碰撞。

軌跡規(guī)劃則源自機(jī)器人研究，通常是說(shuō)機(jī)械臂的路徑規(guī)劃。 在無(wú)人車(chē)領(lǐng)域，軌跡規(guī)劃的定義感覺(jué)不統(tǒng)一。有人將避障規(guī)劃與軌跡規(guī)劃混淆了。軌跡規(guī)劃應(yīng)該是在路徑規(guī)劃和避障規(guī)劃的基礎(chǔ)上，考慮時(shí)間序列和車(chē)輛動(dòng)力學(xué)對(duì)車(chē)輛運(yùn)行軌跡的規(guī)劃，主要是車(chē)縱向加速度和車(chē)橫向角速度的設(shè)定。將設(shè)定交給執(zhí)行系統(tǒng)，轉(zhuǎn)向、油門(mén)、剎車(chē)。如果有主動(dòng)懸掛，那么軌跡規(guī)劃可能還要考慮地形因素。

三大規(guī)劃是無(wú)人車(chē)最復(fù)雜的部分，算法多不勝數(shù)，讓人眼花繚亂，這也是百度、谷歌和蘋(píng)果科技巨頭要切入無(wú)人車(chē)領(lǐng)域的主要原因，這些科技巨頭最擅長(zhǎng)的就是算法的優(yōu)化整合。當(dāng)然傳統(tǒng)車(chē)廠如福特和豐田，擁有對(duì)車(chē)輛動(dòng)力學(xué)的絕對(duì)優(yōu)勢(shì)，在此領(lǐng)域?qū)嵙Σ⒉槐瓤萍季揞^要差，尤其是豐田，從開(kāi)源 SLAM到KITTI，軟件實(shí)力絲毫不次于谷歌。

對(duì)于全局型路徑規(guī)劃不算復(fù)雜，前提是有拓?fù)浼?jí)地圖，這對(duì)地圖廠家來(lái)說(shuō)很容易的。對(duì)于非地圖廠家是有點(diǎn)麻煩的，不過(guò)只能算小麻煩。

今天我們重點(diǎn)了解一下避障規(guī)劃，避障規(guī)劃的前提是對(duì)周?chē)h(huán)境有深刻的理解，有一個(gè)非常完善實(shí)時(shí)的環(huán)境理解。

在此之前不得不先要理解無(wú)人駕駛避障的含義，很明顯我們根據(jù)無(wú)人駕駛避障的過(guò)程，可以將無(wú)人駕駛避障分成三個(gè)方面：

1．運(yùn)動(dòng)障礙物檢測(cè)：對(duì)運(yùn)動(dòng)過(guò)程中環(huán)境中的運(yùn)動(dòng)障礙物進(jìn)行檢測(cè)，主要由車(chē)載環(huán)境感知系統(tǒng)完成。

2．運(yùn)動(dòng)障礙物碰撞軌跡預(yù)測(cè)：對(duì)運(yùn)動(dòng)過(guò)程中可能遇到的障礙物進(jìn)行可能性評(píng)級(jí)與預(yù)測(cè)，判斷與無(wú)人駕駛車(chē)輛的碰撞關(guān)系。（當(dāng)你檢測(cè)到障礙物后，你就得讓機(jī)器判斷是否會(huì)與汽車(chē)相撞）

3．運(yùn)動(dòng)障礙物避障：通過(guò)智能決策和路徑規(guī)劃，使無(wú)人駕駛車(chē)輛安全避障，由車(chē)輛路徑?jīng)Q策系統(tǒng)執(zhí)行。（判斷了可能會(huì)與汽車(chē)發(fā)生碰撞的障礙物后，你就得去讓機(jī)器做出決策來(lái)避障了）

運(yùn)動(dòng)障礙物檢測(cè)方法

運(yùn)動(dòng)障礙物檢測(cè)根據(jù)他們的sensor主要分成兩類(lèi)：

一種是基于激光雷達(dá)和毫米波雷達(dá)的

一種是基于立體視覺(jué)的

運(yùn)動(dòng)障礙物碰撞軌跡預(yù)測(cè)

這一部分與障礙物的檢測(cè)識(shí)別分不開(kāi)的。無(wú)人車(chē)的感知系統(tǒng)需要實(shí)時(shí)識(shí)別和追蹤多個(gè)運(yùn)動(dòng)目標(biāo)（Multi－ObjectTracking，MOT），例如車(chē)輛和行人。

物體識(shí)別是計(jì)算機(jī)視覺(jué)的核心問(wèn)題之一，最近幾年由于深度學(xué)習(xí)的革命性發(fā)展，計(jì)算機(jī)視覺(jué)領(lǐng)域大量使用CNN，物體識(shí)別的準(zhǔn)確率和速度得到了很大提升，但總的來(lái)說(shuō)物體識(shí)別算法的輸出一般是有噪音的：物體的識(shí)別有可能不穩(wěn)定，物體可能被遮擋，可能有短暫誤識(shí)別等。自然地，MOT問(wèn)題中流行的Tracking－by－detection方法就要解決這樣一個(gè)難點(diǎn)：如何基于有噪音的識(shí)別結(jié)果獲得魯棒的物體運(yùn)動(dòng)軌跡。

運(yùn)動(dòng)障礙物的避障本質(zhì)上它是一個(gè)路徑規(guī)劃的過(guò)程：在路段上有未知障礙物的情況下，按照一定的評(píng)價(jià)標(biāo)準(zhǔn)，尋找一條從起始狀態(tài)到目標(biāo)狀態(tài)的無(wú)碰撞路徑。

預(yù)測(cè)

預(yù)測(cè)模塊的作用是對(duì)感知所探測(cè)到的物體進(jìn)行行為預(yù)測(cè)，并且將預(yù)測(cè)的結(jié)果具體化為時(shí)間空間維度的軌跡傳遞給下游模塊：行為決策模塊。然后行為決策模塊結(jié)合路由尋徑模塊從而進(jìn)行行為決策。

這些選擇就是結(jié)合高精地圖的全局規(guī)劃，然后再通過(guò)汽車(chē)周邊傳感器感知的信息進(jìn)行局部規(guī)劃，從而判斷汽車(chē)是否右轉(zhuǎn)、直行or并道。