Apollo8.0规划模块参数深度解析：从原理到工程实践

1次阅读

没有评论

共计 1929 个字符，预计需要花费 5 分钟才能阅读完成。

自动驾驶系统中的规划模块相当于车辆的 ” 决策大脑 ”，负责将感知和预测模块的输出转化为具体的行驶轨迹。在 Apollo8.0 中，规划模块通过多层优化算法，综合考虑交通规则、障碍物避让、乘坐舒适性等因素，最终输出安全可靠的行驶路径。

规划模块的性能直接影响到自动驾驶系统的三个核心指标：安全性、舒适性和实时性。合理的参数配置能够帮助系统在各种复杂场景下做出最优决策。

轨迹优化是规划模块的核心算法之一，主要通过以下权重参数来平衡不同优化目标：

smooth_weight：轨迹平滑度权重，值越大轨迹越平顺
obstacle_weight：障碍物避让权重，影响绕行决策的激进程度
reference_weight：参考线跟随权重，保持车辆在车道中心

这些参数通常以 JSON 格式配置在 planning_config.pb.txt 中。

Apollo8.0 提供了多种障碍物处理策略，主要通过以下参数控制：

obstacle_type：区分静态 / 动态障碍物
side_pass_distance：侧向绕行距离
min_nudge_distance：最小避让距离

速度规划直接影响乘坐舒适性，关键参数包括：

max_acceleration：最大加速度限制
preferred_deceleration：首选减速度
speed_limit_buffer：速度限制缓冲

{
  "smooth_weight": 1.0,
  "obstacle_weight": 2.5, 
  "reference_weight": 1.2,
  "max_acceleration": 2.0,
  "side_pass_distance": 0.8
}

{
  "smooth_weight": 1.5,
  "obstacle_weight": 1.8,
  "reference_weight": 2.0,
  "max_acceleration": 1.5,
  "speed_limit_buffer": 0.9
}

{
  "smooth_weight": 0.8,
  "obstacle_weight": 3.0,
  "reference_weight": 0.5,
  "max_acceleration": 1.0,
  "min_nudge_distance": 0.3
}

以下是一个 Python 示例，展示如何通过代码动态调整规划参数：

def adjust_planning_params(scenario_type):
    """
    根据场景类型动态调整规划参数
    :param scenario_type: 场景类型(urban/highway/parking)
    """
    params = {}

    if scenario_type == "urban":
        params.update({
            "smooth_weight": 1.0,
            "obstacle_weight": 2.5,
            "max_acceleration": 2.0
        })
    elif scenario_type == "highway":
        params.update({
            "smooth_weight": 1.5,
            "obstacle_weight": 1.8,
            "max_acceleration": 1.5
        })
    elif scenario_type == "parking":
        params.update({
            "smooth_weight": 0.8,
            "obstacle_weight": 3.0,
            "max_acceleration": 1.0
        })

    # 将参数应用到规划模块
    planning_adapter.update_parameters(params)
    return params