無人車的技術(shù)路線實際早已確定，那就是輪式機器人的技術(shù)路線。這已經(jīng)從2007年的DARPA大賽到谷歌福特百度的無人車，超過十年的驗證，輪式機器人技術(shù)完全適用于無人車。目前所有無人車基礎(chǔ)算法的研究都源自機器人技術(shù)。

首先來說明三個概念，路徑規(guī)劃、避障規(guī)劃、軌跡規(guī)劃。路徑規(guī)劃通常指全局的路徑規(guī)劃，也可以叫全局導(dǎo)航規(guī)劃，從出發(fā)點到目標點之間的純幾何路徑規(guī)劃，無關(guān)時間序列，無關(guān)車輛動力學(xué)。

避障規(guī)劃又叫局部路徑規(guī)劃，又可叫動態(tài)路徑規(guī)劃，也可以叫即時導(dǎo)航規(guī)劃。主要是探測障礙物，并對障礙物的移動軌跡跟蹤（Moving Object Detection and Tracking ，一般縮寫為MODAT）做出下一步可能位置的推算，最終繪制出一幅包含現(xiàn)存碰撞風險和潛在碰撞風險的障礙物地圖，這個潛在的風險提示是100毫秒級，未來需要進一步提高，這對傳感器、算法的效率和處理器的運算能力都是極大的挑戰(zhàn)，避障規(guī)劃不僅考慮空間還考慮時間序列，在復(fù)雜的市區(qū)運算量驚人，可能超過30TFLOPS，這是無人車難度較高的環(huán)節(jié)。未來還要加入V2X地圖，避障規(guī)劃會更復(fù)雜，加入V2X地圖，基本可確保無人車不會發(fā)生任何形式的主動碰撞。

軌跡規(guī)劃則源自機器人研究，通常是說機械臂的路徑規(guī)劃。在無人車領(lǐng)域，軌跡規(guī)劃的定義感覺不統(tǒng)一。有人將避障規(guī)劃與軌跡規(guī)劃混淆了。軌跡規(guī)劃應(yīng)該是在路徑規(guī)劃和避障規(guī)劃的基礎(chǔ)上，考慮時間序列和車輛動力學(xué)對車輛運行軌跡的規(guī)劃，主要是車縱向加速度和車橫向角速度的設(shè)定。將設(shè)定交給執(zhí)行系統(tǒng)，轉(zhuǎn)向、油門、剎車。如果有主動懸掛，那么軌跡規(guī)劃可能還要考慮地形因素。

三大規(guī)劃是無人車最復(fù)雜的部分，算法多不勝數(shù)，讓人眼花繚亂，這也是百度、谷歌和蘋果科技巨頭要切入無人車領(lǐng)域的主要原因，這些科技巨頭最擅長的就是算法的優(yōu)化整合。當然傳統(tǒng)車廠如福特和豐田，擁有對車輛動力學(xué)的優(yōu)勢，在此領(lǐng)域?qū)嵙Σ⒉槐瓤萍季揞^要差，尤其是豐田，從開源SLAM到KITTI，軟件實力絲毫不次于谷歌。

全局型路徑規(guī)劃不算復(fù)雜，前提是有拓撲級地圖，這對地圖廠家來說很容易的。對于非地圖廠家是有點麻煩的，不過只能算小麻煩。所以我們重點講避障規(guī)劃，避障規(guī)劃的前提是對周圍環(huán)境有深刻的理解，有一個非常完善實時的的環(huán)境理解。

有了環(huán)境模型（不同于環(huán)境理解），在加上路徑搜索就構(gòu)成了路徑規(guī)劃。通常環(huán)境模型是三大類，分別是柵格法、可視圖法、自由空間法。路徑搜索的算法就多了，Dijkstra、Floyd-Warshall、A+算法、層次法、動作行為法、勢場域法、柵格法、模糊邏輯法、拓撲法、懲罰函數(shù)法、遺傳算法、模擬退火法、蟻群法和神經(jīng)網(wǎng)絡(luò)法等。需要指出的是，大多數(shù)算法都是誕生于六十年代。

這還僅僅是2D層面的，3D層面的將更加復(fù)雜。每一種算法下面還有再細分的算法，讓人看了頭暈?zāi)垦?。因為很少有文獻說3D路徑算法，我們就多說幾句，3D路徑算法大體可以分為五類，取樣算法（Sampling）、節(jié)點算法（Node）、工程數(shù)學(xué)模型算法（Mathematics）、仿生學(xué)算法（Bioinspired)、混合算法（MultiFusion）。以取樣型算法為例，下面可以再分主動型與被動型。主動型下面還可以再細分。

取樣型3D路徑規(guī)劃

節(jié)點型算法下面再分三大類

環(huán)境建模方面，柵格法是公認最成熟的算法，柵格法應(yīng)該也是安全系數(shù)較高的算法，也是最耗運算資源的算法。不過無人車要考慮安全，安全是第一位的，成本是第二位的，同時有英偉達和英特爾這樣的半導(dǎo)體巨人在不斷提高運算性能，運算資源不用過多考慮。

柵格法把工作空間分割成規(guī)則而均勻的含二值信息的柵格。在機器人移動的過程中，柵格的尺寸和位置不變。二值信息分別表示該柵格處是否有障礙，沒有障礙的柵格稱為自由柵格，否則為障礙柵格。柵格的尺寸通常和機器人的基本移動步長相適應(yīng)，故機器人移動轉(zhuǎn)化成從一個自由柵格移動到下一個自由柵格，機器人移動的路長對應(yīng)于機器人爬過的柵格數(shù)。柵格法直觀且建模相對較容易，因此得到了廣泛的應(yīng)用。

另外兩種算法，可視圖法和自由空間法和柵格法相比的優(yōu)點是比較靈活，對運算資源消耗少。缺點很明顯，障礙物多少與算法復(fù)雜程度成正比，算法太復(fù)雜時可靠性就降低，同時不太適合動態(tài)環(huán)境，要求運動速度變化盡量小。柵格法的缺點是如果分辨率高，對運算資源和內(nèi)存需求較高。顯然，可視圖法和自由空間發(fā)適合機器人，柵格法更適合無人車，這在業(yè)內(nèi)差不多已經(jīng)是定論。這和傳感器也有部分關(guān)系，視覺系統(tǒng)難以適應(yīng)太精細的格柵法，因為視覺系統(tǒng)的要做精細的定量邊界分割是不可能的，而激光雷達非常適合柵格法。

路徑搜索方面，典型的如Dijkstra

Dijkstra（迪杰斯特拉）算法是最短路算法的經(jīng)典算法之一，由E.W.Dijkstra在1959年提出的。該算法適于計算道路權(quán)值均為非負的最短路徑問題，可以給出圖中某一節(jié)點到其他所有節(jié)點的最短路徑，以思路清晰，搜索準確見長。相對的，由于輸入為大型稀疏矩陣，又具有耗時長，占用空間大的缺點。

軌跡規(guī)劃則研究的很少，因為大部分科技公司都沒能力在車輛動力學(xué)領(lǐng)域一展拳腳?？萍脊径紝⒕ㄔ谌绾紊绍壽E上，而對于生成的軌跡是否滿足運動學(xué)約束、 側(cè)滑約束以及執(zhí)行機構(gòu)約束，即軌跡的可行性，研究相對較少。對于無人車這一受非完整性約束的系統(tǒng)，研究人員通常基于車體模型進行軌跡規(guī)劃。按照車體模型的較精確程度，軌跡規(guī)劃方法可以進一步分為基于模型預(yù)測控制 (Model predictive control, MPC) 以及基于幾何軌線的規(guī)劃方法。基于模型預(yù)測的無人車軌跡規(guī)劃方法首先由 Kelly A和Nagy B（有點奇怪的名字） 提出。

對于移動機器人來說，軌跡生成問題主要研究如何生成一系列動作，使得機器人由初始狀態(tài)到達目標狀態(tài)。對于無人車來說，其初始狀態(tài)包括其二維坐標 (x, y)、 航向角 ψ 以及曲率 κ

曲率、 轉(zhuǎn)彎半徑、 前后輪軸距以及前輪轉(zhuǎn)向角之間的關(guān)系為

對于采用轉(zhuǎn)向和速度作為控制量的地面移動機器人來說, 其運動學(xué)模型為

實際情況遠比這復(fù)雜，還需要建立大量的數(shù)學(xué)方程。良好的規(guī)劃必須建立對周邊環(huán)境，尤其是動態(tài)環(huán)境的深刻理解。