目前，自动驾驶或自动驾驶汽车是学术界和汽车界研究的核心，因为它具有多方面的优势，包括提高安全性、减少拥堵、降低排放和提高机动性。其实软件是支持自动驾驶的关键驱动因素，在将乘客或货物从指定的起点运送到指定的目的地时，其中负责关键任务决策的规划算法是核心中的核心。
运动规划方法包括搜索要遵循的路径、避开障碍物并生成确保安全、舒适和高效的最佳轨迹。我们公众号将参考文献中介绍和科普一系列不同的规划方法。
自动驾驶运动规划方法，一般都包括以下三步：
（1）寻找一条路径；
（2）寻找最安全的车辆机动方法；
（3）确定最可行的轨迹。
研究人员在这三个层次中的每一个层次所开发的方法展示了 复杂程度和性能精确度各不相同。本文就每种方法的优缺点、固有局限性、可行性、最佳性、障碍处理和测试操作环境等方面对每种方法进行了批判性评估。
在对现有方法进行评述的基础上，指出了当前研究中存在的不足，并提出了今后的研究方向，以提高规划算法在三个层次的性能。已确定未来重点的一些有前途的领域是使用车辆通信（V2V和V2I）和纳入自动驾驶方面，以改善当前传感技术的前景，这些技术对规划至关重要，目的是降低无人驾驶车辆的总成本。
近年来，自主汽车发展迅速，涵盖了机器人学、计算机科学和工程等不同领域。此外，应当指出的是，由于商业敏感性，汽车制造商一般不会公开披露其方法或算法的细节所以我们介绍的自动驾驶算法一般来自于科研机构以及披露的方法（例如特斯拉特斯拉自动驾驶方案（中英字幕版）- Andrej K）.
关键决策是自动驾驶的关键，通过规划算法实现，该算法集成在自动驾驶车辆导航、状态理解和决策模块的中间件中。规划的主要目的是为车辆提供一条通往目的地的安全无碰撞路径，同时考虑到车辆动力动态学（什么是车辆动态可以看我们之前文章汽车神秘性能“动态”和干货 | 整车敏捷性Agility 开发101）、障碍物存在时的操纵能力以及交通规则和道路边界。规划是一个消耗内存和计算密集的例行程序，与车辆的其他常规操作（例如障碍物跟踪、数据融合和控制模块）并行运行。运动规划的输入和输出通常依赖于这些其他模块。可靠、稳健和适应性强的规划至关重要，尤其是在城市混合交通情况下。这些算法接收来自传感器框架的输入，并用来自数字路线图的数据补充这些输入，以便提供一个完整的工作空间，从而进行规划。
现有的规划算法主要来源于移动机器人技术领域，随后被应用于不同的道路和越野车辆和操作环境（如沙漠车辆）、行星漫游车和公共汽车。此外，在抽象的、基于仿真的环境中，已经开发了大量的非完整约束（为什么汽车叫非完整约束下文2.1会讲到）类车机器人规划算法。在本文的综述中，只分析了道路上自动驾驶车辆的规划方法。一般来说，自动驾驶或智能驾驶的规划分为四个层次：
（1）路线规划；
（2）路径规划；
（3）机动选择；
（4）轨迹规划（Varaiya工作中称为控制规划）。
路线规划是指从给定的起点到目的地寻找最佳的路线，偶尔辅以实时交通信息。路线规划不在本文范围内（路线规划其实就是当前汽车熟悉的GPS导航模式）
道路自动驾驶的路径、机动和轨迹规划（通常合并为一个）考虑了车辆动力学、障碍物、道路几何和交通交互作用，是本文的主要研究内容。需要强调的是，本文基于2007年DARPA城市挑战赛（DARPA Urban Challenge DUC）之后的工作（Thorpe和Durrant-Whyte，2009）对运动规划技术进行了最新的回顾，旨在为正在自动汽车领域进行研究的研究人员提供一个重要的参考。在DUC被授予后，研究的重点是因为该挑战是自动驾驶领域的一个里程碑，与2007年之前的最新工作相似，从而使自动驾驶的研究得以深入推进。
DARPA城市挑战赛，是现代各个主机厂自动驾驶技术的开端上图为麻省理工大学（我们之前两部视频就来自于MIT-AI 之循环神经网络 RNN 简介 \_ MIT中英字幕版,AI 之卷积神经网络 CNN 简介 \_ MIT中英字幕版）采用路虎发现系列汽车改装的自动驾驶车辆，这项工作的新颖之处在于，尽管之前也存在自动驾驶研究，而且许多尝试都集中在移动机器人的运动规划技术上，但其他都没有将路径、操纵和轨迹这三个层面的规划方法同时用于自动道路驾驶。
以上为什么是自动驾驶实时运动规划的简介，希望你能明白这个概念以及他到底是干什么的。
欢迎关注我们公众号我们接下来继续将根据英国拉夫堡大学论文-Real-time motion planning methods for autonomous on-road driving: State-of-the-art and future research directions 论文围绕自动驾驶实时运动规划整理以下内容：
1，自动驾驶实时运动规划的基本定义；
2，当前应用于自动驾驶车辆的运动规划方法简介，以及它们的具体特点。
3，然后在第4节中描述了这些方法的主要局限性。
4，最后，在第五节中，讨论了未来的研究方向，以克服已确定的挑战。
欢迎持续关注。
参考文献：Real-time motion planning methods for autonomous on-road driving: State-of-the-art and future research directions -Christos Katrakazas a , Mohammed Quddus a,⇑ , Wen-Hua Chen b,1 , Lipika Deka a 文中图片版权归其所有
*未经准许严禁转载和摘录
作者：Pirate Jack
来源：https://mp.weixin.qq.com/s/up9sGq3y8uU2ytgmyIYmVA
Vehicle微信公众号
相关文章推荐
•自动驾驶 - 只需要一个聪明的人工智能取代人类驾驶
•自动驾驶的三种解决方案
更多汽车行业干货请关注Vehicle专栏。
