DL-IAPS & PJSO: 路径和速度优化算法

~

在自动驾驶的前沿，Apollo的创新算法如星光璀璨——DL-IAPS与PJSO，它们的协同工作犹如双剑合璧，为高效和稳健的轨迹规划开辟了新径。

DL-IAPS，这个细分路径平滑算法，如同艺术家的手笔，细腻地处理Hybrid A*生成的粗糙轨迹，确保每一段路径既光滑又安全。它通过双循环迭代，巧妙地锚定路径点，严格遵循曲率限制，避免碰撞，为车辆提供最理想的行驶路径。

而PJSO则负责速度的精确控制，就像音乐家的指挥棒，精准调整速度曲线，同时顾及车辆的加速度变化（Jerk Speed Piece-wise），在满足曲率约束的同时，确保速度的平滑过渡。

关键步骤中，DL-IAPS的伪代码犹如科学的公式，包含了曲率惩罚的循环、工作空间的精细定义、路径点的灵动变化，以及对连续性和碰撞区的严格把控。

起始点和终点的设定，像是一座桥梁，连接理论与实践，非线性曲率的考虑通过SQP（Sequential Quadratic Programming）来确保精准无误。地图车道线的二次规划，以及在高曲率空间的特殊处理，都展现了算法的精细之处。

非线性约束的序列二次规划，如同一场复杂的舞蹈，既要达到优化目标，又要遵守限制条件，每个步骤都精确到毫厘之间。碰撞检测的实时调整，为安全行驶保驾护航。

PJSO的介入，使得速度规划更加灵活且高效，它在优化速度曲线的同时，兼顾了路径的连续性和车辆性能的平滑性。对比Hybrid A*，DL-IAPS展现出明显的优势，如图4.1所示，效率提升清晰可见。

在代码层面，路径平滑的过程在modules/planning/open_space/trajectory_smoother/iterative_anchoring_smoother.cc中展开，通过IterativeAnchoringSmoother::Smooth()函数启动。输入包括轨迹点的状态、初始加速度和速度，以及障碍物的详细信息，输出则是经过精炼的discretized_trajectory。

这一切的背后，是作者徐明的匠心独运和深入研究，他的开源项目"Apollo Planning 知识库"提供了更深入的探索，期待您一同探索自动驾驶的无限可能。

---