技术文档 | 二次规划（QP）样条路径

Apollo的Planning分为参考线平滑、决策、路径规划、速度规划等部分。

从整体上来说，规划模块的架构分为两个部分：一部分负责对数据的监听、获取和预处理；另一部分负责管理各个优化模块。数据进入后，对其综合处理为规划模块的内部数据结构，由任务管理器调度合适的优化器进行各个优化任务。综合优化的结果，经过最终的验证后，输出给控制模块。

在设计上，实现了策略的可插拔，使得各个优化器可以灵活配置不同策略，提升迭代效率。

EM-Planner是具体的规划实施类，它基于高精地图、导航路径及障碍物信息作出实际的驾驶决策，包括路径、速度等方面。

首先使用DP（动态规划）方法确定初始的路径和速度，再利用QP（二次规划）方法进一步优化路径和速度，以得到一条更平滑的轨迹，既满足舒适性，又方便车辆操纵。

基于样条的车辆轨迹优化二次规划，为了寻求更优质更平滑，体感更好的路径，需要使用二次规划的方法寻找。需要的限制条件有：曲率和曲率连续性、贴近中心线、避免碰撞。

今天，就让阿波君和开发者们一起了解二次规划样条路径是如何实现的。

以下，ENJOY：

路径定义在 station-lateral坐标系中。

参数s的取值范围为车辆的当前位置到默认规划路径的长度。

将路径划分为n段，每段路径用一个多项式来表示。

每个样条段 i 都有沿着参考线的累加距离。每段的路径默认用5阶多项式表示：

QP公式如下所示：

下面是将开销（cost）函数转换为QP公式的例子：

且

且

然后得到，

从聚合函数中提取出常量得到，

最后得到，

请注意我们最后得到一个6阶的矩阵来表示5阶样条插值的衍生开销。

应用同样的推理方法可以得到2阶，3阶样条插值的衍生开销。

假设第一个点为, 和。

其中 ,表示横向的偏移，并且规划路径的起始点的第一，第二个点的衍生开销可以从， 计算得到。

将上述约束转换为QP约束等式，使用等式：

下面是转换的具体步骤:

且

且

其中，i 是包含的样条段的索引值。

和起始点相同，终点也应当按照起始点的计算方法生成约束条件。

将起始点和终点组合在一起，得出约束等式为：

该约束的目的是使样条的节点更加平滑。假设两个段和互相连接，且的累计值s为。计算约束的等式为：

下面是计算的具体步骤：

然后，

将代入等式。

同样地，可以为下述等式计算约束等式：

在路径上均匀的取样m个点，检查这些点上的障碍物边界。将这些约束转换为QP约束不等式，使用不等式：

首先基于道路宽度和周围的障碍物找到点的下边界，且。计算约束的不等式为：

同样地，对上边界，计算约束的不等式为：