Apollo6.0 PathReuseDecider流程与代码解析0、引言对于轨迹规划而言，主要包含横向路径以及纵向位置、速度、加速度规划。当前主流算法，主要都是轨迹规划问题拆解为横向和纵向两个部分进行独立规划，以达到复杂问题的降维解耦，减小对运行平台资源的算力需求。每一次横向路径规划，都会涉及约束边界、坐标转化等计算工作，这些都会带来时间复杂度上的开销;但在某些场景下，对于横向轨迹的生成，有时并

Apollo6.0_ReferenceLine_Smoother解析与子方法对比以视觉检测的车道线为引导线，比如Mobileye输出的车道线，因其三次多项式形式，曲率切向较连续；而Hdmap、众包地图或者slam建图所给出的引导线，往往精度、位置存在“毛刺”，这样的引导线不能直接用于后续的运动规划，影响至下游控制模块；因此，对于原始引导线加上一层平滑处理尤为重要。本文主要为apollo refer

Apollo6.0 StBoundsDecider流程与代码解析前言对于纵向决策与规划而言，需要依据障碍物的预测轨迹、类型等，构建其st_boundary映射至planned_path上，并对其进行决策打标签(yield, overtake…);轨迹规划模块再依据决策信息，添加对应求解目标、约束条件，求解处"最优"轨迹。本文主要对StBoundsDecider进行解析，StBoundsDecide