Apollo问答 | 关于Lattice Planner规划算法的若干问答 上周，我们在Apollo开发者交流群内做了关于Lattice Planner的分享。这里，我们将社群分享里开发者提出的问题进行了归纳整理，现场没有得到回答的问题，大家可以从本期问答内寻找答案 ...

大家好，我是来自百度智能驾驶事业群的许珂诚。今天很高兴能给大家分享Apollo 3.0新发布的Lattice规划算法。 Lattice算法隶属于规划模块。规划模块以预测模块、routing模块、高精地图和定位的结果作为输入，通过算法，输出一条平稳、舒适、安全的轨迹，交给控制模块 ...

参考文献： Efficient constrained path planning via search in state lattices Differentially Con ...

基于先验完全信息的全局路径规划 局部路径规划 - http://blog.csdn.net/birdy_/article/details/77453638 姿态空间离散 行车图法：在自由空间中构建连通网络 在图中用直线连接所有特定点，删除会发生碰撞的，在余下的路线中求出 ...

路径规划的一般步骤：构建环境、搜索、平滑处理；环境构建：C-空间，自由空间、Voronoi图、栅格法；搜索算法在下面逐个列出。解决的问题：全局、局部、未知环境；解决维度：二维、三维；路径搜索的连续性：离散、连续; 时间需求：实时、不是实时的；下面先列出常见的路径优化方法，后面将逐个给出算法 ...

博客转载自：http://www.cnblogs.com/21207-iHome/p/7210543.html 传统的路径规划算法有人工势场法、模糊规则法、遗传算法、神经网络、模拟退火算法、蚁群优化算法等。但这些方法都需要在一个确定的空间内对障碍物进行建模，计算复杂度与机器人自由度呈指数关系 ...

　　路径规划作为机器人完成各种任务的基础，一直是研究的热点。研究人员提出了许多规划方法：如人工势场法、单元分解法、随机路标图（PRM）法、快速搜索树（RRT）法等。传统的人工势场、单元分解法需要对空间中的障碍物进行精确建模，当环境中的障碍物较为复杂时，将导致规划算法计算量较大。基于随机采样技术 ...

　　传统的路径规划算法有人工势场法、模糊规则法、遗传算法、神经网络、模拟退火算法、蚁群优化算法等。但这些方法都需要在一个确定的空间内对障碍物进行建模，计算复杂度与机器人自由度呈指数关系，不适合解决多自由度机器人在复杂环境中的规划。基于快速扩展随机树（RRT / rapidly exploring ...