0501 0503 模块区别_apollo介绍之planning模块(四)

吾尝终日而思矣不如须臾之所学也 - 《劝学》

Planning模块简介

规划(planning)模块的作用是根据感知预测的结果，当前的车辆信息和路况规划出一条车辆能够行驶的轨迹，这个轨迹会交给控制(control)模块，控制模块通过油门，刹车和方向盘使得车辆按照规划的轨迹运行。

规划模块的轨迹是短期轨迹，即车辆短期内行驶的轨迹，长期的轨迹是routing模块规划出的导航轨迹，即起点到目的地的轨迹，规划模块会先生成导航轨迹，然后根据导航轨迹和路况的情况，沿着短期轨迹行驶，直到目的地。这点也很好理解，我们开车之前先打开导航，然后根据导航行驶，如果前面有车就会减速或者变道，超车，避让行人等，这就是短期轨迹，结合上述方式直到行驶到目的地。

Planning输入输出

我们先看下Apollo的数据流向：

可以看到规划(planning)模块的上游是Localization, Prediction, Routing模块，而下游是Control模块。Routing模块先规划出一条导航线路，然后Planning模块根据这条线路做局部优化，如果Planning模块发现短期规划的线路行不通（比如前面修路，或者错过了路口），会触发Routing模块重新规划线路，因此这两个模块的数据流是双向的。

Planning模块的输入在"planning_component.h"中，接口如下:

  bool Proc(const std::shared_ptr<prediction::PredictionObstacles>&prediction_obstacles,const std::shared_ptr<canbus::Chassis>& chassis,const std::shared_ptr<localization::LocalizationEstimate>&localization_estimate) override;

输入参数为:

预测的障碍物信息(prediction_obstacles)
车辆底盘(chassis)信息(车辆的速度，加速度，航向角等信息)
车辆当前位置(localization_estimate)

实际上还有高精度地图信息，不在参数中传入，而是在函数中直接读取的。

Planning模块的输出结果在"PlanningComponent::Proc()"中，为规划好的线路，发布到Control模块订阅的Topic中。

输出结果为：规划好的路径。

planning_writer_->Write(std::make_shared<ADCTrajectory>(adc_trajectory_pb));

Planning整个流程

下图是整个Planning模块的执行过程：

模块的入口是PlanningComponent，在Cyber中注册模块，订阅和发布消息，并且注册对应的Planning类。
Planning的过程之前是定时器触发，即每隔一段固定的时间执行一次，现已经改为事件触发，即只要收集完成对应TOPIC的消息，就会触发执行，这样的好处是提高的实时性。
Planning类主要实现了2个功能，一个是启动ReferenceLineProvider来提供参考线，后面生成的轨迹都是在参考线的基础上做优化，ReferenceLineProvider启动了一个单独的线程，每隔50ms执行一次，和Planning主流程并行执行。Planning类另外的一个功能是执行Planning主流程。
Planning主流程先是选择对应的Planner，我们这里主要分析PublicRoadPlanner，在配置文件中定义了Planner支持的场景(Scenario)，把规划分为具体的几个场景来执行，每个场景又分为几个阶段(Stage)，每个阶段会执行多个任务(Task)，任务执行完成后，对应的场景就完成了。不同场景间的切换是由一个状态机(ScenarioDispatch)来控制的。规划控制器根据ReferenceLineProvider提供的参考线，在不同的场景下做切换，生成一条车辆可以行驶的轨迹，并且不断重复上述过程直到到达目的地。

接下来我们逐步分析整个planning模块的代码结构。

Planning模块入口

模块注册

Planning模块的入口为"planning_component.h"和"http://planning_component.cc"两个文件，实现的功能如下：

// 订阅和发布消息
std::shared_ptr<cyber::Reader<perception::TrafficLightDetection>>traffic_light_reader_;
std::shared_ptr<cyber::Reader<routing::RoutingResponse>> routing_reader_;
std::shared_ptr<cyber::Reader<planning::PadMessage>> pad_message_reader_;
std::shared_ptr<cyber::Reader<relative_map::MapMsg>> relative_map_reader_;std::shared_ptr<cyber::Writer<ADCTrajectory>> planning_writer_;
std::shared_ptr<cyber::Writer<routing::RoutingRequest>> rerouting_writer_;// 在Cyber中注册模块
CYBER_REGISTER_COMPONENT(PlanningComponent)

模块初始化

除了注册模块，订阅和发布消息之外，planning模块实现了2个主要函数"init"和"proc"。

Init中实现了模块的初始化：

  if (FLAGS_open_space_planner_switchable) {planning_base_ = std::make_unique<OpenSpacePlanning>();} else {if (FLAGS_use_navigation_mode) {planning_base_ = std::make_unique<NaviPlanning>();} else {planning_base_ = std::make_unique<OnLanePlanning>();}}

上面实现了3种Planning的注册，planning模块根据配置选择不同的Planning实现方式，"FLAGS_open_space_planner_switchable"和"FLAGS_use_navigation_mode"在Planning模块的conf目录中。因为上述2个配置默认都为false，Planning默认情况下的实现是"OnLanePlanning"。下面介绍下这3种Planning的区别。

OpenSpacePlanning - 主要的应用场景是自主泊车和狭窄路段的掉头。[参考](ApolloAuto/apollo)
NaviPlanning
OnLanePlanning - 主要的应用场景是开放道路的自动驾驶。

模块之间的关系如下：

可以看到"OpenSpacePlanning","NaviPlanning"和"OnLanePlanning"都继承自同一个基类，并且在PlanningComponent中通过配置选择一个具体的实现进行注册。

Init接下来实现了具体的消息发布和消息订阅，我们只看具体的一个例子：

// 读取routing模块的消息
routing_reader_ = node_->CreateReader<RoutingResponse>(FLAGS_routing_response_topic,[this](const std::shared_ptr<RoutingResponse>& routing) {AINFO << "Received routing data: run routing callback."<< routing->header().DebugString();std::lock_guard<std::mutex> lock(mutex_);routing_.CopyFrom(*routing);});
// 读取红绿灯traffic_light_reader_ = ...
// 是否使用导航模式if (FLAGS_use_navigation_mode) {pad_message_reader_ = ...
// 读取相对地图relative_map_reader_ = ...}
// 发布规划好的线路planning_writer_ =node_->CreateWriter<ADCTrajectory>(FLAGS_planning_trajectory_topic);
// 发布重新规划请求rerouting_writer_ =node_->CreateWriter<RoutingRequest>(FLAGS_routing_request_topic);

至此，Planning模块的初始化就完成了。

模块运行

Proc的主要是检查数据，并且执行注册好的Planning，生成路线并且发布。

bool PlanningComponent::Proc(...) {// 1. 检查是否需要重新规划线路。CheckRerouting();// 2. 数据放入local_view_中，并且检查输入数据。...// 3. 执行注册好的Planning，生成线路。planning_base_->RunOnce(local_view_, &adc_trajectory_pb);// 4. 发布消息planning_writer_->Write(std::make_shared<ADCTrajectory>(adc_trajectory_pb));
}

整个"PlanningComponent"的分析就完成了，可以看到"PlanningComponent"是Planning模块的入口，在Apollo3.5引入了Cyber之后，实现了Planning模块在Cyber中的注册，订阅和发布topic消息。同时实现了3种不同的Planning，根据配置选择其中的一种并且运行。

由于默认的Planning是开放道路的OnLanePlanning，我们接下来主要分析这个Planning。

OnLanePlanning

每次Planning会根据以下2个信息作为输入来执行：

Planning上下文信息
Frame结构体(车辆信息，位置信息等所有规划需要用到的信息，在/planning/common/frame.h中)

uint32_t sequence_num_ = 0;
LocalView local_view_;
const hdmap::HDMap *hdmap_ = nullptr;
common::TrajectoryPoint planning_start_point_;
common::VehicleState vehicle_state_;
std::list<ReferenceLineInfo> reference_line_info_;bool is_near_destination_ = false;/**
* the reference line info that the vehicle finally choose to drive on
**/
const ReferenceLineInfo *drive_reference_line_info_ = nullptr;ThreadSafeIndexedObstacles obstacles_;
std::unordered_map<std::string, const perception::TrafficLight *>traffic_lights_;ChangeLaneDecider change_lane_decider_;
ADCTrajectory current_frame_planned_trajectory_;  // last published trajectorystd::vector<routing::LaneWaypoint> future_route_waypoints_;

初始化

OnLanePlanning的初始化逻辑在Init中，主要实现分配具体的Planner，启动参考线提供器(reference_line_provider_)，代码分析如下：

Status OnLanePlanning::Init(const PlanningConfig& config) {...// 启动参考线提供器，会另启动一个线程，执行一个定时任务，每隔50ms提供一次参考线。reference_line_provider_ = std::make_unique<ReferenceLineProvider>(hdmap_);reference_line_provider_->Start();// 为Planning分配具体的Planner。planner_ = planner_dispatcher_->DispatchPlanner();...
}

可以看到"DispatchPlanner"在"OnLanePlanning"实例化的时候就指定了。

class OnLanePlanning : public PlanningBase {public:OnLanePlanning() {planner_dispatcher_ = std::make_unique<OnLanePlannerDispatcher>();}

在看"OnLanePlannerDispatcher"具体的实现，也是根据配置选择具体的"Planner"，默认为"PUBLIC_ROAD"规划器:

// 配置文件
standard_planning_config {planner_type: PUBLIC_ROADplanner_type: OPEN_SPACE...
}// OnLanePlannerDispatcher具体实现
std::unique_ptr<Planner> OnLanePlannerDispatcher::DispatchPlanner() {PlanningConfig planning_config;apollo::cyber::common::GetProtoFromFile(FLAGS_planning_config_file,&planning_config);if (FLAGS_open_space_planner_switchable) {return planner_factory_.CreateObject(// OPEN_SPACE规划器planning_config.standard_planning_config().planner_type(1));}return planner_factory_.CreateObject(// PUBLIC_ROAD规划器planning_config.standard_planning_config().planner_type(0));
}

事件触发

OnLanePlanning的主要逻辑在"RunOnce()"中，在Apollo 3.5之前是定时器触发，3.5改为事件触发，即收到对应的消息之后，就触发执行，这样做的好处是增加了实时性参考。

void OnLanePlanning::RunOnce(const LocalView& local_view,ADCTrajectory* const ptr_trajectory_pb) {// 初始化Framestatus = InitFrame(frame_num, stitching_trajectory.back(), vehicle_state);...// 判断是否符合交通规则for (auto& ref_line_info : *frame_->mutable_reference_line_info()) {TrafficDecider traffic_decider;traffic_decider.Init(traffic_rule_configs_);auto traffic_status = traffic_decider.Execute(frame_.get(), &ref_line_info);if (!traffic_status.ok() || !ref_line_info.IsDrivable()) {ref_line_info.SetDrivable(false);AWARN << "Reference line " << ref_line_info.Lanes().Id()<< " traffic decider failed";continue;}}// 执行计划status = Plan(start_timestamp, stitching_trajectory, ptr_trajectory_pb);...
}Status OnLanePlanning::Plan(const double current_time_stamp,const std::vector<TrajectoryPoint>& stitching_trajectory,ADCTrajectory* const ptr_trajectory_pb) {...// 调用具体的(PUBLIC_ROAD)Planner执行auto status = planner_->Plan(stitching_trajectory.back(), frame_.get(),ptr_trajectory_pb);...
}

上述就是"OnLanePlanning"的执行过程，先是Planner分发器根据配置，选择具体的planner，然后初始化Frame，(PUBLIC_ROAD)planner根据输入帧执行"Plan"方法。

Planner

我们先看下Planner目录结构，一共实现了5种Planner：

.
├── BUILD
├── navi_planner_dispatcher.cc
├── navi_planner_dispatcher.h
├── navi_planner_dispatcher_test.cc
├── on_lane_planner_dispatcher.cc
├── on_lane_planner_dispatcher.h
├── on_lane_planner_dispatcher_test.cc
├── planner_dispatcher.cc
├── planner_dispatcher.h
├── planner.h
├── lattice           // lattice planner
├── navi              // navi planner
├── open_space        // open space planner
├── public_road       // public road planner
└── rtk               // rtk planner

可以看到Planner目录分别实现了Planner发布器和具体的Planner，关于发布器我们后面会根据流程图来介绍，这里先介绍一下5种不同的Planner。

rtk - 根据录制的轨迹来规划行车路线
public_road - 开放道路的轨迹规划器
lattice - 基于网格算法的轨迹规划器
navi - 基于实时相对地图的规划器
open_space - 自主泊车规划器

Planner注册场景

下面我们整理一下planner模块的流程：

PlanningComponent在cyber中注册
选择Planning
根据不同的Dispatcher，分发Planner

下面我们主要介绍"PublicRoadPlanner"，主要的实现还是在Init和Plan中。

init中主要是注册规划器支持的场景(scenario)。

Status PublicRoadPlanner::Init(const PlanningConfig& config) {// 读取public Road配置const auto& public_road_config =config_.standard_planning_config().planner_public_road_config();// 根据配置注册不同的场景for (int i = 0; i < public_road_config.scenario_type_size(); ++i) {const ScenarioConfig::ScenarioType scenario =public_road_config.scenario_type(i);supported_scenarios.insert(scenario);}scenario_manager_.Init(supported_scenarios);
}

我们看下"PublicRoadPlanner"支持的场景有哪些？

// 还是在"/conf/planning_config.pb.txt"中
standard_planning_config {planner_type: PUBLIC_ROADplanner_type: OPEN_SPACEplanner_public_road_config {// 支持的场景scenario_type: LANE_FOLLOW  // 车道线保持scenario_type: SIDE_PASS    // 超车scenario_type: STOP_SIGN_UNPROTECTED  // 停止scenario_type: TRAFFIC_LIGHT_PROTECTED    // 红绿灯scenario_type: TRAFFIC_LIGHT_UNPROTECTED_LEFT_TURN  // 红绿灯左转scenario_type: TRAFFIC_LIGHT_UNPROTECTED_RIGHT_TURN // 红绿灯右转scenario_type: VALET_PARKING  // 代客泊车}

运行场景

接着看"Plan"中的实现：

Status PublicRoadPlanner::Plan(const TrajectoryPoint& planning_start_point,Frame* frame,ADCTrajectory* ptr_computed_trajectory) {DCHECK_NOTNULL(frame);// 更新场景，决策当前应该执行什么场景scenario_manager_.Update(planning_start_point, *frame);// 获取当前场景scenario_ = scenario_manager_.mutable_scenario();// 执行当前场景的任务auto result = scenario_->Process(planning_start_point, frame);// 当前场景完成if (result == scenario::Scenario::STATUS_DONE) {// only updates scenario manager when previous scenario's status is// STATUS_DONEscenario_manager_.Update(planning_start_point, *frame);} else if (result == scenario::Scenario::STATUS_UNKNOWN) {// 当前场景失败return Status(common::PLANNING_ERROR, "scenario returned unknown");}return Status::OK();
}

可以看到"Planner"模块把具体的规划转化成一系列的场景，每次执行规划之前先判断更新当前的场景，然后针对具体的场景去执行。

下面我们先看下"Scenario"模块，然后把这2个模块串起来讲解。

Scenario

我们同样先看下"Scenario"的目录结构：

.
├── bare_intersection
├── BUILD
├── lane_follow            // 车道线保持
├── narrow_street_u_turn   // 狭窄掉头
├── scenario.cc
├── scenario.h
├── scenario_manager.cc
├── scenario_manager.h
├── side_pass             // 超车
├── stage.cc
├── stage.h
├── stop_sign             // 停止
├── traffic_light         // 红绿灯
├── util
└── valet_parking         // 代客泊车

其中需要知道场景如何转换，以及每种场景如何执行。几种场景的介绍可以先看下Apollo的官方文档[planning](ApolloAuto/apollo)，主要的场景是lane_follow，side_pass和stop_sign。

场景转换

场景转换的实现在"http://scenario_manager.cc"中，其中实现了场景注册，创建场景和更新场景的功能。

bool ScenarioManager::Init(const std::set<ScenarioConfig::ScenarioType>& supported_scenarios) {// 注册场景RegisterScenarios();default_scenario_type_ = ScenarioConfig::LANE_FOLLOW;supported_scenarios_ = supported_scenarios;// 创建场景，默认为lane_followcurrent_scenario_ = CreateScenario(default_scenario_type_);return true;
}// 更新场景
void ScenarioManager::Update(const common::TrajectoryPoint& ego_point,const Frame& frame) {CHECK(!frame.reference_line_info().empty());// 保留当前帧Observe(frame);// 场景分发ScenarioDispatch(ego_point, frame);
}// 通过一个有限状态机，决定当前的场景
void ScenarioManager::ScenarioDispatch(const common::TrajectoryPoint& ego_point,const Frame& frame) {...
}

其中"ScenarioDispatch"的状态切换可以参考下图:

可以看到，每次切换场景必须是从默认场景(LANE_FOLLOW)开始，即每次场景切换之后都会回到默认场景。

ScenarioDispatch目前的代码还没完全完成(有些分支TODO)，而且个人感觉这个实现不够简介和优秀，逻辑看起来有些混乱，不知道是否可以用状态机改进？

场景运行

场景的执行在"scenario.cc"和对应的场景目录中，实际上每个场景又分为一个或者多个阶段(stage)，每个阶段又由不同的任务(task)组成。执行一个场景，就是顺序执行不同阶段的不同任务。

下面我们来看一个具体的例子，Scenario对应的stage和task在"planning/conf/scenario"中。

// Scenario对应的Stage
scenario_type: SIDE_PASS
stage_type: SIDE_PASS_APPROACH_OBSTACLE
stage_type: SIDE_PASS_GENERATE_PATH
stage_type: SIDE_PASS_STOP_ON_WAITPOINT
stage_type: SIDE_PASS_DETECT_SAFETY
stage_type: SIDE_PASS_PASS_OBSTACLE
stage_type: SIDE_PASS_BACKUP// Stage对应的Task
stage_type: SIDE_PASS_APPROACH_OBSTACLE
enabled: true
task_type: DP_POLY_PATH_OPTIMIZER
task_type: PATH_DECIDER
task_type: SPEED_BOUNDS_PRIORI_DECIDER
task_type: DP_ST_SPEED_OPTIMIZER
task_type: SPEED_DECIDER
task_type: SPEED_BOUNDS_FINAL_DECIDER
task_type: QP_SPLINE_ST_SPEED_OPTIMIZER// 以此类推

由于Scenario都是顺序执行，只需要判断这一阶段是否结束，然后转到下一个阶段就可以了。具体的实现在：

Scenario::ScenarioStatus Scenario::Process(const common::TrajectoryPoint& planning_init_point, Frame* frame) {...// 如果当前阶段完成，则退出if (current_stage_->stage_type() == ScenarioConfig::NO_STAGE) {scenario_status_ = STATUS_DONE;return scenario_status_;}// 进入下一阶段执行或者错误处理auto ret = current_stage_->Process(planning_init_point, frame);switch (ret) {case Stage::ERROR: {...}case Stage::RUNNING: {...}case Stage::FINISHED: {...}default: {...}}return scenario_status_;
}

我们接着看一下Stage中"Process"的执行：

Stage::StageStatus LaneFollowStage::Process(const TrajectoryPoint& planning_start_point, Frame* frame) {...// 根据参考线规划auto cur_status =PlanOnReferenceLine(planning_start_point, frame, &reference_line_info);...
}// LANE_FOLLOW中的PlanOnReferenceLine
Status LaneFollowStage::PlanOnReferenceLine(const TrajectoryPoint& planning_start_point, Frame* frame,ReferenceLineInfo* reference_line_info) {// 顺序执行stage中的任务for (auto* optimizer : task_list_) {const double start_timestamp = Clock::NowInSeconds();// 任务ret = optimizer->Execute(frame, reference_line_info);}// 增加障碍物的代价for (const auto* obstacle :reference_line_info->path_decision()->obstacles().Items()) {if (obstacle->IsVirtual()) {continue;}if (!obstacle->IsStatic()) {continue;}if (obstacle->LongitudinalDecision().has_stop()) {...}}// 返回参考线reference_line_info->SetTrajectory(trajectory);reference_line_info->SetDrivable(true);return Status::OK();
}

上面是用"LaneFollowStage"中的"PlanOnReferenceLine"来举例子，不同场景中的"PlanOnReferenceLine"实现可能也不一样，这样设计的好处是，当发现一个场景有问题，需要修改不会影响到其他的场景。同时也可以针对不同场景做优化，比通用的规划更加适合单独的场景。每种场景都有一个专门的目录来进行优化。

接下来我们看下Task是如何执行的。

Task

我们先看Task的目录结构：

.
├── BUILD
├── deciders       // 决策器
├── optimizers     // 优化器
├── rss
├── smoothers     // 平滑器
├── task.cc
├── task_factory.cc
├── task_factory.h
└── task.h

可以看到每个Task都可以对应到一个决策器或者优化器（平滑器不作为Task，单独作为一个类）。

每个Task都实现了"Execute"方法，而每个决策器和优化器都继承至Task类。可以参考下图：

Task类的生成用到了设计模式的工厂模式，通过"TaskFactory"类生产不同的Task类。

DP & QP

Task中的决策器和优化器采用的方法有DP和QP:

DP - 动态规划
QP - 二次规划

QP方法的路径优化和速度优化可以参考apollo文档:

[QP-Spline-Path Optimizer](ApolloAuto/apollo)

[QP-Spline-ST-Speed Optimizer](ApolloAuto/apollo)

daohu527/Dig-into-Apollogithub.com

往期回顾

apollo介绍（一）
apollo介绍之map模块（二）
apollo介绍之localization模块(三)
apollo介绍之planning模块(四)
apollo介绍之Routing模块(六)
apollo介绍之Transform模块(七)
apollo介绍之Canbus模块(八)
apollo介绍之Control模块(九)

Cyber框架

apollo介绍之cyber设计(五)
apollo介绍之Cyber框架(十)
apollo介绍之Cyber框架(十一)
apollo介绍之Cyber定时器(十二)
apollo介绍之Cyber Component(十三)
apollo介绍之Cyber Data(十四)
apollo介绍之Cyber Scheduler调度(十五)

如果觉得本文对你有帮助，欢迎点赞、分享、关注3连 O(∩_∩)O~~

Reference

[解析百度Apollo之决策规划模块](解析百度Apollo之决策规划模块)
[Open Space Planner Algorithm](ApolloAuto/apollo)