導(dǎo)讀

環(huán)境模型（不同于環(huán)境理解），再加上路徑搜索就構(gòu)成了路徑規(guī)劃。通常，環(huán)境模型有三大類，分別是柵格法、可視圖法、自由空間法。路徑搜索的算法比較多，如：Dijkstra、Floyd-Warshall、A+算法、層次法、動(dòng)作行為法、勢(shì)場(chǎng)域法、柵格法、模糊邏輯法、拓?fù)浞ā土P函數(shù)法、遺傳算法、模擬退火法、蟻群法和神經(jīng)網(wǎng)絡(luò)法等。

無人駕駛汽車的技術(shù)路線已經(jīng)確定，那就是輪式機(jī)器人的技術(shù)路線。輪式機(jī)器人技術(shù)完全適用于無人駕駛汽車，這已經(jīng)從2007年的DARPA大賽一直到最近谷歌、福特、百度等的無人駕駛試驗(yàn)汽車，有了超過十年的驗(yàn)證。目前所有無人駕駛汽車基礎(chǔ)算法的研究都源自機(jī)器人技術(shù)。

無人駕駛汽車需要解決三個(gè)問題：即環(huán)境感知及實(shí)時(shí)定位，計(jì)算分析以及路徑規(guī)劃，還有就是控制執(zhí)行。今天我們來討論一下計(jì)算分析以及路徑規(guī)劃的問題。

首先我們來說明一下以下三個(gè)概念：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，無關(guān)時(shí)間序列，無關(guān)車輛動(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30TFLOPS，這是無人車難度最高的環(huán)節(jié)。未來還要加入V2X地圖，避障規(guī)劃會(huì)更復(fù)雜，加入V2X地圖，基本可確保無人車不會(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，通常是說機(jī)械臂的路徑規(guī)劃。 在無人車領(lǐng)域，軌跡規(guī)劃的定義感覺不統(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)間序列和車輛動(dòng)力學(xué)對(duì)車輛運(yùn)行軌跡的規(guī)劃，主要是車縱向加速度和車橫向角速度的設(shè)定。將設(shè)定交給執(zhí)行系統(tǒng)，轉(zhuǎn)向、油門、剎車。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)劃是無人車最復(fù)雜的部分，算法多不勝數(shù)，讓人眼花繚亂，這也是百度、谷歌和蘋果等科技巨頭要切入無人車領(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)車廠如福特和豐田，擁有對(duì)車輛動(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，從開源SLAM到KITTI，軟件實(shí)力絲毫不次于谷歌。

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)地圖廠家來說很容易的。對(duì)于非地圖廠家是有點(diǎn)麻煩的，不過只能算小麻煩。所以我們重點(diǎn)講避障規(guī)劃，避障規(guī)劃的前提是對(duì)周圍環(huán)境有深刻的理解，有一個(gè)非常完善實(shí)時(shí)的的環(huán)境理解。

有了環(huán)境模型（不同于環(huán)境理解），再加上路徑搜索就構(gòu)成了路徑規(guī)劃。通常，環(huán)境模型有三大類，分別是柵格法、可視圖法、自由空間法。路徑搜索的算法就多了，Dijkstra、Floyd-Warshall、A+算法、層次法、動(dòng)作行為法、勢(shì)場(chǎng)域法、柵格法、模糊邏輯法、拓?fù)浞ā土P函數(shù)法、遺傳算法、模擬退火法、蟻群法和神經(jīng)網(wǎng)絡(luò)法等。需要指出的是，大多數(shù)算法都是誕生于六十年代。

這還僅僅是2D層面的，3D層面的將更加復(fù)雜。每一種算法下面還有再細(xì)分的算法，讓人看了頭暈?zāi)垦！Ｒ驗(yàn)楹苌儆形墨I(xiàn)說3D路徑算法，我們就多說幾句，3D路徑算法大體可以分為五類，取樣算法（Sampling）、節(jié)點(diǎn)算法（Node）、工程數(shù)學(xué)模型算法（Mathematics）、仿生學(xué)算法（Bioinspired)、混合算法（MultiFusion）。以取樣型算法為例，下面可以再分主動(dòng)型與被動(dòng)型。主動(dòng)型下面還可以再細(xì)分。

1.取樣型3D路徑規(guī)劃

2.節(jié)點(diǎn)型算法下面再分三大類

3.環(huán)境建模方面，柵格法是公認(rèn)最成熟的算法，柵格法應(yīng)該也是安全系數(shù)最高的算法，也是最耗運(yùn)算資源的算法。不過無人車要考慮安全，安全是第一位的，成本是第二位的，同時(shí)有英偉達(dá)和英特爾這樣的半導(dǎo)體巨人在不斷提高運(yùn)算性能，運(yùn)算資源不用過多考慮。

4.柵格法把工作空間分割成規(guī)則而均勻的含二值信息的柵格。在機(jī)器人移動(dòng)的過程中，柵格的尺寸和位置不變。二值信息分別表示該柵格處是否有障礙，沒有障礙的柵格稱為自由柵格，否則為障礙柵格。柵格的尺寸通常和機(jī)器人的基本移動(dòng)步長(zhǎng)相適應(yīng)，故機(jī)器人移動(dòng)轉(zhuǎn)化成從一個(gè)自由柵格移動(dòng)到下一個(gè)自由柵格，機(jī)器人移動(dòng)的路長(zhǎng)對(duì)應(yīng)于機(jī)器人爬過的柵格數(shù)。柵格法直觀且建模相對(duì)較容易，因此得到了廣泛的應(yīng)用。

5.另外兩種算法，可視圖法和自由空間法和柵格法相比的優(yōu)點(diǎn)是比較靈活，對(duì)運(yùn)算資源消耗少。缺點(diǎn)很明顯，障礙物多少與算法復(fù)雜程度成正比，算法太復(fù)雜時(shí)可靠性就降低，同時(shí)不太適合動(dòng)態(tài)環(huán)境，要求運(yùn)動(dòng)速度變化盡量小。柵格法的缺點(diǎn)是如果分辨率高，對(duì)運(yùn)算資源和內(nèi)存需求較高。顯然，可視圖法和自由空間法適合機(jī)器人，柵格法更適合無人車，這在業(yè)內(nèi)差不多已經(jīng)是定論。這和傳感器也有部分關(guān)系，視覺系統(tǒng)難以適應(yīng)太精細(xì)的格柵法，因?yàn)橐曈X系統(tǒng)的要做精細(xì)的定量邊界分割是不可能的，而激光雷達(dá)非常適合柵格法。

路徑搜索方面，典型的如Dijkstra （迪杰斯特拉）算法。

Dijkstra（迪杰斯特拉）算法是最短路算法的經(jīng)典算法之一，由E.W.Dijkstra在1959年提出的。該算法適于計(jì)算道路權(quán)值均為非負(fù)的最短路徑問題，可以給出圖中某一節(jié)點(diǎn)到其他所有節(jié)點(diǎn)的最短路徑，以思路清晰，搜索準(zhǔn)確見長(zhǎng)。相對(duì)的，由于輸入為大型稀疏矩陣，又具有耗時(shí)長(zhǎng)，占用空間大的缺點(diǎn)。

軌跡規(guī)劃則研究的很少，因?yàn)榇蟛糠挚萍脊径紱]能力在車輛動(dòng)力學(xué)領(lǐng)域一展拳腳。科技公司都將精力花在如何生成軌跡上，而對(duì)于生成的軌跡是否滿足運(yùn)動(dòng)學(xué)約束、側(cè)滑約束以及執(zhí)行機(jī)構(gòu)約束，即軌跡的可行性，研究相對(duì)較少。對(duì)于無人車這一受非完整性約束的系統(tǒng)，研究人員通常基于車體模型進(jìn)行軌跡規(guī)劃。按照車體模型的精確程度，軌跡規(guī)劃方法可以進(jìn)一步分為基于模型預(yù)測(cè)控制(Model predictive control, MPC) 以及基于幾何軌線的規(guī)劃方法。基于模型預(yù)測(cè)的無人車軌跡規(guī)劃方法首先由 Kelly A和NagyB提出。

對(duì)于移動(dòng)機(jī)器人來說，軌跡生成問題主要研究如何生成一系列動(dòng)作，使得機(jī)器人由初始狀態(tài)到達(dá)目標(biāo)狀態(tài)。對(duì)于無人車來說，其初始狀態(tài)包括其二維坐標(biāo)(x, y)、 航向角 ψ 以及曲率 κ。

實(shí)際情況遠(yuǎn)比這復(fù)雜，還需要建立大量的數(shù)學(xué)方程。良好的規(guī)劃必須建立對(duì)周邊環(huán)境，尤其是動(dòng)態(tài)環(huán)境的深刻理解。這就是下面要闡述的自動(dòng)駕駛核心技術(shù)第三部分：MODAT。

感知、決策（路徑規(guī)劃）、定位都是基于傳感器或軟件系統(tǒng)的，這也是科技類廠家的強(qiáng)項(xiàng)，不過線控執(zhí)行系統(tǒng)則是傳統(tǒng)汽車產(chǎn)業(yè)（不一定是整車廠）的絕對(duì)強(qiáng)項(xiàng)，這也是科技類廠家注定無法獨(dú)立造車的主要原因，無論是谷歌還是百度，都必須要與傳統(tǒng)汽車產(chǎn)業(yè)聯(lián)合，才能進(jìn)軍無人車領(lǐng)域。有機(jī)會(huì)我們說說線控執(zhí)行。