决策规划

【自动驾驶】决策规划算法 | 数学基础（三）直角坐标与自然坐标转换Ⅰ写在前面： 🌟 欢迎光临清流君的博客小天地，这里是我分享技术与心得的温馨角落。📝 个人主页：清流君_CSDN博客，期待与您一同探索移动机器人领域的无限可能。 🔍 本文系清流君原创之作，荣幸在CSDN首发🐒 若您觉得内容有价值，还请评论告知一声，以便更多人受益。转载请注明出处，尊重原创，从我做起。 👍 点赞、评论、收藏，三连走一波，让我们一起养成好习惯😜 在这里，您将收获的不只是技术干货，还有思维的火花！ 📚 系列专栏：【决策规划】系列，带您深入浅出，领略控制之美。🖊 愿我的分

【自动驾驶】决策规划算法 | 数学基础（二）凸优化与非凸优化写在前面： 🌟 欢迎光临清流君的博客小天地，这里是我分享技术与心得的温馨角落。📝 个人主页：清流君_CSDN博客，期待与您一同探索移动机器人领域的无限可能。 🔍 本文系清流君原创之作，荣幸在CSDN首发🐒 若您觉得内容有价值，还请评论告知一声，以便更多人受益。转载请注明出处，尊重原创，从我做起。 👍 点赞、评论、收藏，三连走一波，让我们一起养成好习惯😜 在这里，您将收获的不只是技术干货，还有思维的火花！ 📚 系列专栏：【决策规划】系列，带您深入浅出，领略规划之美。🖊 愿我的分

【自动驾驶决策规划】POMDP之Introduction本文是我学习POMDP相关的笔记，由于个人能力所限，可能有所纰漏，还请批评指正。初学者，希望和大家共同学习.

【论文笔记】Perception, Planning, Control, and Coordination for Autonomous Vehicles单纯作为阅读笔记，文章内容可能有些混乱。作者先介绍了一些关于自动驾驶汽车在未来城市交通系统中的潜在作用，包括增加安全性、提高生产力、提高可达性、提高道路效率以及对环境的积极影响；接着介绍自动驾驶汽车的起源与发展，当然少不了介绍DARPA；作者还介绍了关于MoD（Mobility on Demands）System相比传统以私家车为主的交通方式的优势（方便、便宜），这也是自动驾驶汽车共享化的一个方向。 …… 像Google、Tesla、Uber等等公司都在自动驾驶领域有着大量的投入与研发。 …… 城市场景下

【论文笔记】Baidu Apollo EM Motion PlannerEMplanner通过一个层级结构的方式去考虑多车道和单车道的情况： (1)顶层策略通过比较不同车道级轨迹来处理变道场景； (2)在Frenet坐标下不断迭代求解路径优化和速度优化问题来生成轨迹； (3)为了使框架易于扩展和调整，可以同时处理交通规则、障碍物决策和平滑曲线，他们提出了一种融合DP和QP采样的优化算法。

【Apollo学习笔记】——规划模块TASK之PIECEWISE_JERK_NONLINEAR_SPEED_OPTIMIZER(二)1.【Apollo学习笔记】——规划模块TASK之LANE_CHANGE_DECIDER 2.【Apollo学习笔记】——规划模块TASK之PATH_REUSE_DECIDER 3.【Apollo学习笔记】——规划模块TASK之PATH_BORROW_DECIDER 4.【Apollo学习笔记】——规划模块TASK之PATH_BOUNDS_DECIDER 5.【Apollo学习笔记】——规划模块TASK之PIECEWISE_JERK_PATH_OPTIMIZER 6.【Apollo学习笔记】——规划模块T

【Apollo学习笔记】——规划模块TASK之SPEED_HEURISTIC_OPTIMIZER在Apollo星火计划学习笔记——Apollo路径规划算法原理与实践与【Apollo学习笔记】——Planning模块讲到……Stage::Process的PlanOnReferenceLine函数会依次调用task_list中的TASK，本文将会继续以LaneFollow为例依次介绍其中的TASK部分究竟做了哪些工作。由于个人能力所限，文章可能有纰漏的地方，还请批评斧正。

【Apollo学习笔记】——规划模块TASK之RULE_BASED_STOP_DECIDER在Apollo星火计划学习笔记——Apollo路径规划算法原理与实践与【Apollo学习笔记】——Planning模块讲到……Stage::Process的PlanOnReferenceLine函数会依次调用task_list中的TASK，本文将会继续以LaneFollow为例依次介绍其中的TASK部分究竟做了哪些工作。由于个人能力所限，文章可能有纰漏的地方，还请批评斧正。

【论文笔记】Planning and Decision-Making for Autonomous Vehicles本文主要讨论了自主驾驶车辆领域中规划和决策的最新趋势和挑战。涵盖了三种不同的方法：传统PipeLine式的规划、行为意识决策规划和端到端规划，并强调了智能感知和规划的整合以及基于机器学习的方法。同时，也讨论了验证和安全性方面的问题以及自主驾驶车队管理方面的挑战。

【Apollo学习笔记】——规划模块TASK之PATH_REUSE_DECIDER在Apollo星火计划学习笔记——Apollo路径规划算法原理与实践与【Apollo学习笔记】——Planning模块讲到……Stage::Process的PlanOnReferenceLine函数会依次调用task_list中的TASK，本文将会继续以LaneFollow为例依次介绍其中的TASK部分究竟做了哪些工作。由于个人能力所限，文章可能有纰漏的地方，还请批评斧正。