本文作为Apollo Planning决策规划代码详细解析系列文章的补充，将使用Python代码以及anaconda环境，来实现Apollo 决策规划Planning 模块里的 Piecewise Jerk Path Optimizer算法。

Piecewise Jerk Path Optimizer算法以上游模块决策的path bound，参考线reference line，规划起点start point为基础，通过在凸空间里将规划问题构建为二次优化问题，调用OSQP 库的求解器进行二次规划问题求解，从而得到最优路径。

在后续的文章也会详细介绍Apollo 中 PiecewiseJerkPathOptimizer 这个task，系列文章如下：

Apollo Planning决策规划代码详细解析 (1)：Scenario选择

Apollo Planning决策规划代码详细解析 (2)：Scenario执行​​​​​​

Apollo Planning决策规划代码详细解析 (3)：stage执行

Apollo Planning决策规划代码详细解析 (4)：Stage逻辑详解

Apollo Planning决策规划代码详细解析 (5)：规划算法流程介绍

Apollo Planning决策规划代码详细解析 (6):LaneChangeDecider

Apollo Planning决策规划代码详细解析 (7): PathReuseDecider

Apollo Planning决策规划代码详细解析 (8): PathLaneBorrowDecider

Apollo Planning决策规划代码详细解析 (9): PathBoundsDecider

Apollo Planning决策规划代码详细解析 (10)：PiecewiseJerkPathOptimize

算法仿真技术详解：

LQR算法进行轨迹跟踪，lqr_speed_steering_control( )的python实现

prescan联合simulink进行FCW的仿真_自动驾驶 Player的博客-CSDN博客

本文正文如下：

1、Apollo 的Piecewise Jerk Path Optimizer算法流程：

2、数学模型

路径优化算法：