本篇著作念和专家分享一下Apollo7.0最新的筹办算法。因为Apollo的planning团体代码都相当宏壮，一先河依旧理清其框架，再分算法块逐一击破云云功效更好。这篇文

本篇著作念和专家分享一下Apollo7.0最新的筹办算法。因为Apollo的planning团体代码都相当宏壮，一先河依旧理清其框架，再分算法块逐一击破云云功效更好。

这篇著作欲望能指导读者理清planning的团体框架，梳理数据流，以紧要场景为例，不停剖判到task (apollo planning 的紧要算法所正在处)逻辑前的打算做事、输入奈何构制的，之后再深化看task内部的细节也更容易通晓。

特殊贯注，本文中的流程图均为作家花费了豪爽时期梳理而来，以便读者不妨更易通晓planning的团体框架，收拢中心不被细节带跑偏。

读懂一个模块，最初一定是通晓其的上下逛，即输入输出是什么。熟习Apollo CyberRT框架的小伙伴都分明正在该框架下，输入输出由Reader和Writer组成，并界说正在每个模块的component文献中。除此以外，CyberRT框架界说了两种形式，差异为音讯触发和时期触发，而planning中采用的为音讯触发，因而必需接到特定的上逛音讯后，才会进入内部主逻辑，而音讯触发的上逛音讯，界说为component中Process()函数的入参。

ntainer css-ym3v7r

ntainer css-xi606m style=text-align: center;

x03z

nWrap css-1baulvz

ntainer css-xi606m style=text-align: center;

ntainer css-xi606m style=text-align: center;

ntainer css-xi606m style=text-align: center;

ntainer css-xi606m style=text-align: center;

ntainer css-xi606m style=text-align: center;

ntainer css-xi606m style=text-align: center;

上面便是Apollo中的场景切换及管束逻辑。正在每个场景scenario下，还分为一个或众个stage，而每个stage下面，又划分了众个task来完结相应的筹办职分。以用到最众的lane_follow场景为例，它就包蕴了一个stage——lane_follow_default_stage，而正在这个stage下包蕴了众个task，如下图所示：

ntainer css-ym3v7r

ntainer css-xi606m style=text-align: center;

x03z

nWrap css-1baulvz

注意查看lane_follow场景下的task，咱们可能看出Apollo的筹办思绪也是横纵向解耦，先筹办path，再筹办speed。的确的，对待path来说，先做出是否需求lane_change或者lane_borrow的计划，再按照计划状况来天生凸空间，最终基于reference_line及凸空间求解一个二次优化题目，从而取得优化后的path。对待speed来说，是基于ST图实行DP+QP的优化本事，先使用DP来找到一个cost值最小的可行解，再使用QP对可行解实行腻滑，取得最终腻滑后的ST图点集。最终，基于s值对path和speed实行协调，取得一条腻滑的轨迹。

至此，Apollo 7.0 planning的中枢框架及核默算法的输入都依然评释大白了，总体来看Apollo筹办的团体思绪尽头分明，然则细节个别真的需求花费豪爽时期来通晓，我感觉假若没能将这套算法安顿到实车上跑过的话，许众算法能够真的无法很好地通晓。

我片面也陆接续续看这套代码有两年众了，永远感觉许众细节都没有深化通晓透，代码光看是确信不可的，假若没有前提正在实车，或者是仿真里现实运转，处分相应场景下遭遇的题目的话，是永远不行转化为己方的常识的，欲望与专家共勉，也接待专家有任何疑难正在评论区留言互换。

汽车测试网-开创于2008年，报道汽车测试技能与产物、趋向、动态等 合系邮箱 marketing#auto-testing.net (把#改成@)