要安全、要舒适——自动驾驶路径生成标准

上节课我们提到了

网格数据的规划

，描述算法如何通过网格进行工作。这节课的开始，我们将话题递进，以现实世界中的地图为例。假设在前往目的地的途中我们遇到了一个交叉路口，我们可以沿着公路直走、左转或右转，我们需要判定哪种选择更加合理。

首先，我们把这张地图转换为具有三个候选节点的图形，并对选项进行评估；

直行（Straight）：在对直行道路进行分析之后，我们发现可能要走更长的路才能到达我们的目标 ，所以我们为该选项分配了更高的 h 值，h 值是从候选节点到目的地的估计成本。

左转（Left）：在实践中，拐过交叉路口很费劲，所以我们为这个节点分配了更高的 g 值，g 值是从起始点到候选节点的成本。

右转（Right）：右转的距离较长，故 h 值较高，但途经的路况相对简单，故 g 值较低。

最后，我们结合以上分析得到的 g 值和 h 值相加来计算每个节点的 f 值，我们看到最低 f 值实际对应右转（Right）的候选节点，所以这是我们接下来要行进的方向。

以上步骤是在高等级地图上对整体路线的评估，接下来我们要在路线上生成更高精度的行进轨迹。

从路由到轨迹

高等级地图路线只是规划过程的一部分，我们仍需要构建沿这条路线前进的低等级轨迹。这就意味着要处理一些不属于地图的物体，如其他车辆、自行车或行人，为了完成对这些物体的处理，我们需要更低级别更高精确度的规划。我们将这一级别的规划称为轨迹生成。

轨迹生成的目标是生成一系列路径点所定义的轨迹。

我们为每个路径点分配了一个时间戳和速度，让一条曲线与这些路径点拟合，生成轨迹的几何表征。由于移动的障碍物可能会暂时阻挡部分路段，我们可以将每个路点上的时间戳与预测模块的输出相结合，以确保在我们计划通过时，轨迹上的每个路径点均未被占用。

每个路径点都会被分配一个时间戳和速度，时间戳会与预测模块的输出相结合

这些时间戳创建了一个三维轨迹。每个路点由空间中的两个维度以及时间上的第三个维度来定义（三维轨迹 = 二维坐标 + 时间）。我们还为每个路径点制定了一个速度，速度用于确保车辆按时到达每个路径点。

评估一条轨迹

轨迹生成应用在现实世界时面临多种约束：

轨迹应能免于碰撞，这意味着必须无障碍物；

要让乘客感到舒适，所以路径点之间的过渡以及速度的任何变化都必须平滑；

路径点对车辆应实际可行。例如：高速行驶的汽车不能立即做180度转弯，我们不能构建包含这种不可行机动的轨迹；

最后，轨迹应合法。我们需要了解每个路径点的交通法律，并确保轨迹遵守这些法律法规。

在道路上的任何两点之间可能会有多个不会碰撞、舒适、可行且合法的轨迹。为了选择最佳轨迹，我们需要用到“成本函数”。

成本函数为每个轨迹分配一个“成本”，我们选择成本最低的轨迹。轨迹成本由各种犯规处罚组成，例如偏离道路中心（deviation）、有可能会碰撞（collision），超出速度限制（speed limit）或轨迹曲率和对乘客舒适度的影响（comfort）均会使成本增加。

轨迹成本将所有这些缺陷聚合为单个数字，我们对不同的轨迹进行排名，最终得出最佳轨迹。在未来，车辆甚至可以在不同的环境中使用不同的成本函数，比如高速公路的成本函数与停车场的成本函数可能是不同的。

Frenet 坐标

通常情况下我们会使用笛卡尔坐标系描述物体的位置，但笛卡尔坐标系对车辆来说并不是最佳选择，即使给出了车辆位置（x，y），如果我们不知道道路在哪里，也很难测量车辆的行驶距离以及是否偏离了车道中心。

所以我们用 Frenet 坐标系替代笛卡尔坐标系。Frenet 坐标系描述了汽车相对于道路的位置，在 Frenet 框架中：

s 代表沿道路行驶的距离，也被称为纵轴 （Longitudinal Axis）；

d 表示汽车偏离中心线的距离，也被成为横轴（lateral axis）；

在道路的每个点上横轴和纵轴都是垂直的，纵轴表示在道路中的行驶距离，横轴表示汽车偏离中心线的距离。

本节课的最后，让我们简单了解一下路径的速度解耦规划。速度的解耦规划将轨迹规划分为两步：

路径规划

在路径规划步骤中生成候选曲线，这是车辆可行驶的路径。我们使用成本函数对每条路径进行评估，该函数包含平滑度、安全性、与车道中心的偏离、以及我们想要考虑的其他任何因素，我们按成本对路径进行排名，并选择成本最低的路径。

速度规划

在车辆的行驶过程中，我们需要能够适时改变路径上的速度，所以我们真正需要选择的是与该路径点相关的一系列速度，而不是单个速度。我们将该序列称作“速度曲线”，我们可以使用优化功能为路径选择受到各种限制的良好速度曲线 。

通过将路径和速度曲线相结合，我们便可以构建车辆行驶轨迹。下节课我们将以路径的速度解耦规划为起始，学习规划模块的其他内容。