(1)最优控制实时系统(2)C++库：fast MPC 在高维系统(3)提供了一个统一接口：先进的优化控制求解器(4)提供了ROS接口，Python接口，通过CppADCodeGen实现自动区分和代码生成，与Pinocchi等高性能刚体库的接口(5)缓存友好：运动学和动力学能被快速计算并且重用在cost,约束，dynamics…

介绍了几何自行车模型、纯追踪法的理论推导以及预瞄距离的确定

本文对高飞老师的移动机器人运动规划课程第一章做了学习记录，方便日后复习回顾😘

结合即得到二次规划下的最优路径，再转化为Cartesian坐标，路径规划完成。接着上一讲学习记录b站老王对自动驾驶规划系列的讲解。二次规划的求解空间就在此凸空间中搜索。则分段加加速度约束为。

回顾上一节：参考线，提供光滑的frenet坐标轴以host在reference line的投影为坐标原点，建立frenet坐标系。障碍物投影，生成SL图确定规划的起点定位得到的host_x,host_y投影到referenceline，得到SL坐标(0,l0l_0l0​)，以此点为路径规划的起点这样做是错的考虑控制是不完美的规划以100ms周期执行，在上个周期已经规划出轨迹。正确的做法：以（S0l

1. 二次规划崩溃问题2. 车控制不稳，抖动剧烈问题3. 决策不稳定，朝令夕改问题4. 速度规划如何影响路径规划

一般情况下不会，规划周期是100ms，即使以50m/s运动，车也只是走了五米。五米内的道路不太可能出现这么扭曲的几何，在上个规划周期的匹配点上一般只有一个极小值。每个规划周期内，找到车在导航路径上的投影点，以投影点为坐标原点，往后取30m，往前取150m范围内的点，做平滑，平滑后的点的集合称为参考线。（1）减少规划频率，规划算法会100ms执行一次，控制算法每10ms执行一次。（1）过长的路径不利

（1）决策算法会给一个车辆的行驶意图，会指导车辆该避让，该超车，该左转还是该右转，但是决策规划算法不会给具体的运动建议，例如左转多少度，车辆加速到多少。运动规划生成的轨迹是决策规划模块的最终输出，具有详细的路径速度信息，执行频率与决策相同，为10Hz，同样，运动规划也要求一定的稳定性。L2这个概念很宽泛，自动驾驶的功能只有巡航、车道保持或者车什么都能做，但是只要驾驶员要负全责，这个车就是L2级别的

龙格现象：高次多项式拟合可能会出现震荡，慎用高次多项式。尽可能用分段低次多项式去拟合，而不是高次多项式。在数学中，笛卡尔坐标系 (Cartesiancoordinate system) 是一种正交坐标系，亦称为直角坐标系。用向量法推导，降低推导难度车：host_vehicle已知车在Cartesian坐标系下的rh⃗vh⃗ah⃗khrh​​vh​​ah​​kh​，求车在以道路为坐标轴的frenet

详解了人工势场法原理以及代码实现