自动驾驶规划理论与实践——Lattice算法详解(微课视频版)

第1章 Lattice算法概述 1.1 背景 1.2 基本思想 1.3 总体框架 第2章 笛卡儿坐标系与Frenet坐标系 2.1 Frenet坐标系提出的背景 2.2 Frenet坐标系 2.2.1 定义 2.2.2 特点 2.3 Frenet坐标系与笛卡儿坐标系的相互转换 2.3.1 笛卡儿坐标向Frenet坐标转换 2.3.2 Frenet坐标向Cartesian坐标转换 2.4 实例分析 2.4.1 基于Python的实例分析 2.4.2 基于Apollo 6.0的C++实例分析 2.5 小结 2.5.1 过度依赖参考线 2.5.2 Cartesian坐标系与Frenet坐标系转换的不一致性 第3章 参考线的离散化与匹配点的选择 3.1 参考线的描述与计算 3.2 参考线的离散化与s（t）的计算 3.2.1 离散化与计算过程 3.2.2 实例分析 3.3 匹配点的选择 3.3.1 匹配点选择的描述 3.3.2 线性插值计算过程的描述 3.3.3 实例分析 3.4 小结 第4章 静态障碍物与动态障碍物S-T图的构建 4.1 障碍物的描述 4.1.1 障碍物与BB 4.1.2 障碍物的几何中心点与后轴中心点的变换 4.1.3 障碍物与车道之间关系的描述 4.2 静态障碍物与S-T图 4.2.1 静态障碍物S-T图的构建 4.2.2 静态障碍物S-T图的代码解析 4.3 动态障碍物与ST图 4.3.1 动态障碍物位置的确定 4.3.2 动态障碍物的重构及端点极值的确定 4.3.3 动态障碍物S-T图的构建 4.3.4 动态障碍物ST图构建的代码解析 4.4 自车速度的限制与规划目标的确定 4.5 小结 第5章 纵向运动轨迹规划 5.1 纵向运动场景的分类与描述 5.2 基于定速巡航的纵向运动轨迹的生成 5.2.1 可行驶区域的描述与计算 5.2.2 纵向运动轨迹生成算法描述 5.2.3 纵向运动轨迹的生成 5.3 有障碍物条件下纵向运动轨迹的生成 5.3.1 车道跟随条件下末状态的采样策略 5.3.2 超车条件下末状态的采样策略 5.3.3 自车末状态ST点的筛选 5.3.4 纵向运动轨迹的生成 5.4 有停车点的条件下纵向运动轨迹的生成 5.4.1 自车末状态S-T采样 5.4.2 代码解析 5.5 小结 第6章 横向运动轨迹规划 6.1 基于s的5次多项式的横向运动轨迹的生成 6.1.1 横向运动轨迹生成的算法描述 6.1.2 基于s的5次多项式的描述 6.1.3 代码解析 6.2 基于二次规划的横向运动轨迹的生成 6.2.1 等间隔横向采样 6.2.2 根据参考线 新边界 6.2.3 根据静态障碍物 新边界 6.2.4 基于二次规划（OSQP）的横向运动轨迹规划模型的构建与求解 6.3 实例分析 6.4 代码解析 6.5 小结 第7章 横纵向运动轨迹的评估 7.1 碰撞区域的构建 7.1.1 磁撞区域构建过程详解 7.1.2 代码解析 7.2 纵向运动参考速度的构建 7.2.1 定速巡航场景下纵向运动参考速度的构建 7.2.2 定点停车场景下纵向参考速度的构建 7.2.3 代码解析 7.3 纵向运动轨迹的过滤 7.3.1 停车点、当前点与轨迹规划终点的关系约束 7.3.2 纵向运动轨迹中的速度、加速度和加加速度的关系约束 7.3.3 代码解析 7.4 横纵向运动轨迹的评估与计算 7.4.1 纵向运动轨迹cost的计算 7.4.2 横向运动轨迹cost的计算 7.5 小结 第8章 横纵向运动轨迹的优选 8.1 障碍物运动轨迹预测环境的构建 8.1.1 障碍物的过滤 8.1.2 障碍物预测轨迹的生成 8.1.3 代码解析 8.2 横纵向运动轨迹的合成 8.3 轨迹的检验与验证 8.3.1 轨迹的验证 8.3.2 代码解析 8.4 碰撞检测与横纵向运动轨迹的优选 8.4.1 向量点积的定义与应用 8.4.2 Axis Aligned Bounding Box（AABB）碰撞检测算法描述 8.4.3 Oriented Bounding Box（OBB）磁撞检测算法描述 8.4.4 代码解析 8.5 小结