探索并整理自动驾驶及其他领域的决策规划问题.zip

# explore_planning_problem 探索并整理自动驾驶及其他领域的决策规划问题 另：注重基础能力的提升（coding能力，数据结构与算法）、数学知识（数值分析、优化理论）和工程化（coding style、版本控制、编译构建系统） [TOC] ## 1. 自动驾驶领域（auto_drive） ### 学习路线 1. Frenet坐标系与笛卡尔坐标系之间转换关系; [参考博客](https://blog.csdn.net/qq_36458461/article/details/111935614) [参考论文](Optimal trajectory generation for dynamic street scenarios in a Frenét ) [参考代码](https://github.com/ApolloAuto/apollo/blob/master/modules/planning/common/path/frenet_frame_path.cpp) 2. 5次多项式，3次样条，5次样条曲线： 理解插值与拟合的区别： lattice规划算法：横向规划是5次多项式，纵向规划是（4次或则5次）； DP路径规划：采用的是3次样条曲线； 曲线光滑： 螺旋线，2维的5次样条曲线； QP路径规划：piecewise_jerk_path(分段jerk路径)，本质就是3次样条曲线 QP速度规划：piecewise_jerk_speed(分段jerk速度)，本质是3次样条曲线 [三次多项式](https://github.com/ApolloAuto/apollo/blob/master/modules/planning/math/curve1d/cubic_polynomial_curve1d.h) [四次多项式](https://github.com/ApolloAuto/apollo/blob/master/modules/planning/math/curve1d/quartic_polynomial_curve1d.h) [五次多项式](https://github.com/ApolloAuto/apollo/blob/master/modules/planning/math/curve1d/quintic_polynomial_curve1d.h) [三次样条插值(知乎)](https://zhuanlan.zhihu.com/p/62860859) [piecewise_jerk(分段加加速度曲线，本质就是三次样条曲线)](https://github.com/ApolloAuto/apollo/blob/master/modules/planning/common/trajectory1d/piecewise_trajectory1d.h) 3. 静态障碍物映射到SL 图中： 4. 动态障碍物映射到ST图中： 5. lattice规划方法： 6. 什么是优化问题： 7. 构建参考线平滑优化问题： 8. 构建路径规划优化问题： 9. 熟悉A*算法： 10. 什么是动态规划问题： 11. 采用动态规划解决速度规划问题： 12. 构建速度规划优化问题： 13. 熟悉dubins、reed-shepp曲线： ## 2. 基础能力建设（basic） ## 3. 数据结构与算法（data_structure_and_algorithm） ## 4. 数学知识（mathematic） ## 5. 提高