大家好，我已经把****上的博客迁移到了知乎上，欢迎大家在知乎关注我的专栏慢慢悠悠小马车（https://zhuanlan.zhihu.com/c_1132958996826546176）。希望大家可以多多交流，互相学习。

---

Junior——The Stanford Entry in the Urban Challenge

这篇文献重点介绍了Junior的系统结构、地图、感知、定位、规划模块的内容，只讲了大概思路和方法，细节较少。关于在停车场等非结构化环境中的轨迹规划算法细节，请参考《Path Planning for Autonomous Vehicles in Unknown Semi-structured Environments》这篇文献和我以前的这篇文章。

根据文中透漏的内容，Junior在正常道路上行驶采用的轨迹规划方法和百度Lattice算法类似，都是根据道路中心线进行采样，构造多项式path，评估每条path的cost，挑选最优轨迹。不同的是评估cost时，百度Lattice仅仅利用了轨迹局部的信息，比如和参考线（道路中心线）的偏移、速度大小、轨迹长短等，我称之为局部cost。而Junior在采用局部cost之外，还结合了全局cost，在规划轨迹之外，还可以做出变道等决策，以规划的方式完成了规划+决策2个模块的工作，如下图1所示。

本文对2种cost的结合语焉不详，我是这样猜测的：只要没有探测到道路堵塞，全局地图RNDF就是静态不变的，不需要更新。每一个checkpoint是一个临时任务的终点。一旦终点确定，根据静态地图可以得到任一点（记为GPS点）到终点的path和cost。如图1中单一方向具有2条车道，自车会对每条车道规划一组局部轨迹。在局部轨迹尽头处（如图中红色圆圈标示），搜索对应车道内的最近的GPS点，某一条轨迹的cost=局部cost+对应的GPS点到终点的cost。在2组轨迹中挑选cost最小的，就同时完成了规划和决策。

 这种做法适合主路有分支路口或变道的情况。当过路口时，没有阻塞仍可以按局部轨迹顺利通过。若阻塞，调用Hybrid A*规划。不同的情况不同的处理方法，但都会输出局部轨迹，仍然可以用上述思路来比较各轨迹的cost，来决策。