一、规划模块核心概念：路径规划与轨迹规划的区别、全局规划与局部规划的关系、规划问题的数学建模
各位同学好，我是你们的老朋友。今天咱们正式进入规划模块的核心地带。说实话，很多新手一上来就被「路径规划」和「轨迹规划」这两个词搞晕了。我当年刚入行时也踩过这个坑——以为它们是一回事，结果在实车调试时出了大问题。
好，咱们一个一个来拆解。
1.1 路径规划 vs 轨迹规划：到底差在哪？
先问大家一个问题：你开车从北京到上海，是只需要知道「走哪条路」，还是需要知道「每个时刻踩多少油门、打多少方向盘」？
答案显然是后者。这就是路径规划和轨迹规划的本质区别。
- 路径规划：只关心「空间上的几何路径」。它输出一条由点组成的折线或曲线，告诉你「从A到B，经过哪些位置」。它不关心时间，不关心速度。
- 轨迹规划：在路径的基础上，加上「时间维度」。它告诉你「在什么时刻，到达哪个位置，以什么速度、什么加速度」。说白了，轨迹 = 路径 + 时间 + 运动状态。
一句话总结：路径规划回答「走哪条路」，轨迹规划回答「怎么走这条路」。
我在项目中遇到过这样一个案例：有一次我们用A*算法规划出一条很漂亮的路径，结果车一开上去就疯狂抖动。为什么？因为路径上有个急弯，但轨迹规划没有给这个弯道分配足够低的通过速度。嗯，这就是典型的「路径没问题，轨迹出问题」。
1.1.1 路径规划的输出
路径规划的输出通常是一个点序列：
// 路径规划输出示例
PathPoint {
x: 10.5, y: 20.3, z: 0.0
x: 11.2, y: 21.0, z: 0.0
x: 12.0, y: 21.8, z: 0.0
// ... 只有位置信息
}你看，没有速度、没有时间戳。这就是路径。
1.1.2 轨迹规划的输出
轨迹规划的输出则丰富得多：
// 轨迹规划输出示例
TrajectoryPoint {
x: 10.5, y: 20.3, z: 0.0, t: 0.0, v: 0.0, a: 0.0
x: 11.2, y: 21.0, z: 0.0, t: 0.5, v: 1.4, a: 2.8
x: 12.0, y: 21.8, z: 0.0, t: 1.0, v: 2.8, a: 2.8
// 位置 + 时间 + 速度 + 加速度
}每个点都绑定了时间戳、速度、加速度。控制模块拿到这个，才知道「什么时候该加速，什么时候该刹车」。
我的调试习惯：在Autoware中，我经常先单独看路径规划的输出（用Rviz显示Path），确认几何路径没问题后，再打开轨迹（Trajectory）看速度曲线。如果车在某个点突然急刹，十有八九是轨迹规划的速度分配出了问题。
1.2 全局规划与局部规划：谁听谁的？
你想想看，一个自动驾驶系统要处理两种场景：
- 从北京开到上海，需要知道走哪条高速、在哪个出口下——这是全局规划。
- 前面突然有辆车加塞，需要紧急避让——这是局部规划。
全局规划和局部规划的关系，说白了就是「战略」和「战术」的关系。
| 维度 | 全局规划 | 局部规划 |
|---|---|---|
| 规划范围 | 起点到终点（公里级） | 当前到前方几十米（米级） |
| 更新频率 | 低（秒级甚至分钟级） | 高（10Hz以上） |
| 输入信息 | 高精地图、全局路线 | 激光雷达、摄像头、障碍物信息 |
| 输出 | 参考路径（Reference Path） | 可执行轨迹（Trajectory） |
| 典型算法 | A*、Dijkstra、Lanelet2路由 | MPC、DWA、TEB、Frenet优化 |
它们的关系是这样的：全局规划给出一条「参考线」，局部规划在这条参考线附近做微调。如果局部规划发现前方有障碍物，它会临时偏离参考线，绕过去之后再回到参考线上。
我曾经踩过的坑：有一次我把全局规划的更新频率设得太高（100ms一次），结果全局路径频繁变化，局部规划根本来不及收敛，车在路口来回摇摆。后来我改成2秒更新一次全局路径，局部规划只做局部优化，问题就解决了。记住：全局规划要「稳」，局部规划要「快」。
1.3 规划问题的数学建模
好，到了最硬核的部分。规划问题在数学上到底长什么样？
我个人习惯把规划问题抽象成三个要素：状态变量、约束条件、目标函数。
1.3.1 状态变量
在Autoware中，规划问题的状态变量通常包括：
- 位置：\( (x, y, \theta) \) —— 横纵坐标和朝向角
- 速度：\( v \) —— 纵向速度
- 加速度：\( a \) —— 纵向加速度
- 曲率：\( \kappa \) —— 路径的弯曲程度
有时候还会加上横摆角速度、前轮转角等，看具体场景。
1.3.2 约束条件
约束条件就是「不能做什么」。常见的约束有：
- 运动学约束：车辆不能横着走，转弯半径有限。比如阿克曼转向模型要求 \( \dot{\theta} = v \cdot \tan(\delta) / L \)。
- 动力学约束：加速度不能太大，否则乘客会晕车。一般 \( |a| \leq 3 \, m/s^2 \)。
- 障碍物约束：车辆不能和障碍物碰撞。通常用「车辆多边形」和「障碍物多边形」的距离来判断。
- 道路边界约束：车辆不能开出车道。这个在高精地图里用车道边界线来定义。
1.3.3 目标函数
目标函数就是「我们希望达到什么效果」。常见的优化目标：
- 最小化行驶时间：尽快到达目的地
- 最小化能量消耗：省电/省油
- 最大化舒适性：减少急加速、急刹车
- 最小化偏离参考线：尽量沿着全局路径走
把这些组合起来，一个典型的规划问题可以写成：
minimize: w1 * (行驶时间) + w2 * (加速度变化率) + w3 * (偏离参考线距离)
subject to:
车辆运动学方程
加速度上下限
障碍物距离 ≥ 安全阈值
车道边界约束
初始状态 = 当前车辆状态
其中 \( w1, w2, w3 \) 是权重系数。调这些权重，就是调车的「性格」——想要激进一点，就把时间权重调大；想要舒适一点，就把加速度变化率权重调大。
我的经验：在Autoware中调试MPC（模型预测控制）时，我最常调的就是这三个权重。有一次客户抱怨车「太肉」，起步慢。我把时间权重从0.1调到0.3，加速度变化率权重从0.5降到0.2，车立马就「精神」了。当然，代价是舒适性下降了一点点——这就是权衡。
1.4 知识体系总览
为了让大家更直观地理解这些概念之间的关系，我画了一张图：
这张图把今天讲的内容串起来了。你从上往下看：全局规划给局部规划提供参考线，路径规划是轨迹规划的基础（加入时间维度后变成轨迹），而所有规划问题最终都可以归结为一个数学优化问题。
核心要点回顾：
- 路径规划 = 空间几何路径，轨迹规划 = 路径 + 时间 + 运动状态
- 全局规划负责「战略」，局部规划负责「战术」，两者配合使用
- 规划问题的数学本质：在约束条件下，优化目标函数
- 权重系数决定车辆「性格」——激进还是舒适，全靠调参
好了，这一章的内容就到这里。记住这些核心概念，后面咱们讲具体算法时，你会发现自己理解起来快得多。下一章我们聊聊Autoware中规划模块的整体架构和数据流，到时候见。
可可精品资料库