参考与前言

1. 2010年，论文 Optimal Trajectory Generation for Dynamic Street Scenarios in a Frenet Frame 地址：https://www.researchgate.net/publication/224156269_Optimal_Trajectory_Generation_for_Dynamic_Street_Scenarios_in_a_Frenet_Frame
2. Python代码示意地址：https://gitee.com/mirrors/PythonRobotics/tree/master/PathPlanning/FrenetOptimalTrajectory
3. csdn上matlab解释：https://blog.csdn.net/caokaifa/article/details/108015374
4. 格式更好看的notion外链版：https://www.notion.so/kinzhang/Frenet-Optimal-Trajectory-Generation-96d5bced98c146d2a9036a1d5fc2b21d
   后续更新也主要在notion上

主要是自己一直听过这个frenet的规划... 但是一直没了解到底是个啥，趁着这次杰哥的指点，顺便套娃一下基础知识好了。关于规划的使用中，19年的时候做二维grid map 小小圆盘二轮车用的Dijkstra/A*做的全局，然后局部是DWA（但是当时实验时车子总是蛇皮走位）照现在的感觉应该是膨胀系数给大了，DWA更新快了？然后路径规划完哎往墙走，哎躲个墙，哎再往墙走，就这种蛇皮 emmm 这么说好像还是不是很清楚原因，放着万一啥时候想通了呢 hhhh。这次这个主要是基础系列补... 补... 补

基础知识

因为基础补充，所以就... 慢慢来了，就当把自己的理解总结一下好了..

Frenet坐标系

首先是关于这个坐标系的，一般呢我们用的是笛卡尔坐标系（大白话 xy坐标轴），然后这个的不同之处就是按照你的那个车的路径定的，纵向距离叫s，横向距离叫d。例如此手画图：[这里的横纵是指车子在开的方向，车头前方是纵，方向盘的就是横]

python代码运行示意

• [x] 所以这个在一开始定全局路径规划线的时候就是定frenet坐标系的时候嘛？中途还会有变化嘛？

  中途会有变换，比如https://github.com/AtsushiSakai/PythonRoboticsGifs/raw/master/PathPlanning/FrenetOptimalTrajectory/animation.gif)]

  

  其中蓝绿色是center line，黑色x是障碍物位置，红色是预测的行驶轨迹；左边是我单独修改了画图，把所有的路线给用颜色标出来了，cost的颜色从大到小如图例所示

  画图修改后的代码见此次gitee commit 点击即可跳转

  总结

  以上，所以生成轨迹用的是贝塞尔，然后跟随轨迹 横向距离是按五次多项式、纵向速度保持是四次多项式，然后再按论文中的cost 公式代入计算，所以理解cost公式的意义比较重要，并且各个参数的调整意味着什么。另外有一点在论文体现，代码里忽略的是关于跟随前车，超车都是假设前车加速度不变，感觉这样实际高速操作还是有安全隐患的。

  对于jerk的做法，我确实没感觉出什么不妥，可能是计算速度 更新率方面需要进一步评估这个。

  后面想到一个，关于实际车辆运动时的反馈，比如就算你给出了车辆运动的轨迹 甚至是那个速度，跟随问题也是需要考虑的，但是可能这就不在轨迹规划器里考虑了，而是控制跟随，比如LQR、PID、Stanley控制器等（其中LQR可能会“预习”一下，后两者 当时毕设写过了）