Lattice Planner实战避坑指南：从Frenet坐标推导到参考线平滑，我的实车调试血泪史
Lattice Planner实战避坑指南：从Frenet坐标推导到参考线平滑，我的实车调试血泪史
当第一次看到Lattice Planner生成的轨迹在实车上完美执行时，那种成就感让人难以忘怀。但在这之前，我经历了无数个调试到凌晨的夜晚，踩过各种意想不到的坑。本文将分享我在Lattice Planner实车部署过程中遇到的关键技术难题及解决方案，希望能为同行提供一些参考。
1. Frenet坐标转换：那些让人抓狂的二阶导数
Frenet坐标系是Lattice Planner的基础，但也是最容易出错的部分。在实际调试中，我发现90%的轨迹异常都源于Frenet坐标转换的不准确，特别是二阶导数的计算。
1.1 为什么二阶导数如此关键
在笛卡尔坐标系与Frenet坐标系的转换中，二阶导数直接影响轨迹的平滑性和车辆控制的稳定性。一个常见的误区是只关注位置(s,d)和速度(s',d')的计算，而忽略了加速度(s'',d'')的重要性。
典型错误表现：
- 车辆在转弯时出现不必要的抖动
- 轨迹在参考线曲率变化大的地方出现突变
- 控制模块频繁报出加速度超限警告
1.2 正确的推导方法
经过多次验证，我发现最可靠的推导方式是采用运动学分析方法。以下是关键公式：
s' = vx * cos(Δθ) / (1 - kr * d) d' = (vy - vx * sin(Δθ)) / (1 - kr * d)其中Δθ是车辆航向角与参考线航向角的差值，kr是参考线曲率。
二阶导数的推导更为复杂，需要考虑曲率变化率：
s'' = [ax * cos(Δθ) - vx * sin(Δθ) * (ω - kr * s')] / (1 - kr * d) + s' * (kr' * d + kr * d') / (1 - kr * d) d'' = [ay - ax * sin(Δθ) - vx * cos(Δθ) * (ω - kr * s')] / (1 - kr * d) + d' * (kr' * d + kr * d') / (1 - kr * d)提示：在实际编码时，建议先实现这些公式的单元测试，用已知的输入输出验证正确性。
1.3 调试技巧
- 可视化工具必不可少：同时绘制笛卡尔和Frenet坐标系下的轨迹
- 分步验证：先验证静态转换，再测试动态场景
- 边界条件测试：特别关注d=0和曲率突变的情况
2. 参考线不平滑：轨迹阶跃的罪魁祸首
参考线质量直接决定了Lattice Planner的输出质量。我曾遇到一个棘手问题：车辆在特定路段总是出现不自然的摆动，最终发现是参考线不平滑导致的。
2.1 问题现象分析
不平滑的参考线会导致：
- 轨迹在笛卡尔坐标系中出现明显的折线
- 曲率不连续，导致控制模块难以跟踪
- 速度规划出现跳变
实测数据对比：
| 指标 | 平滑前 | 平滑后 |
|---|---|---|
| 最大横向误差 | 0.35m | 0.12m |
| 曲率变化率 | 0.45m⁻² | 0.15m⁻² |
| 控制模块干预次数 | 8次/公里 | 2次/公里 |
2.2 参考线平滑方案
经过多次尝试，我总结出以下有效的平滑方法：
分段多项式平滑
- 使用五次多项式保证曲率连续
- 关键点约束位置、方向和曲率
优化目标设计
cost = w1*位置误差 + w2*曲率 + w3*曲率变化率权重选择建议：
- 城市道路：w2 > w3 > w1
- 高速道路：w3 > w2 > w1
实时平滑策略
- 预计算全局参考线
- 局部实时微调
2.3 实车验证要点
- 在不同速度下测试平滑效果
- 特别关注曲率变化大的区域（如路口）
- 监控控制模块的跟踪误差
3. 横向采样参数：±0.5不是金科玉律
Apollo默认的横向采样参数（如±0.5m）被很多人视为标准配置，但在实际道路测试中，我发现盲目套用这个值会导致诸多问题。
3.1 参数影响分析
横向采样参数直接影响：
- 轨迹的多样性
- 避障能力
- 乘坐舒适性
不同场景下的最优参数：
| 场景类型 | 采样范围 | 采样密度 | 备注 |
|---|---|---|---|
| 城市窄路 | ±0.3m | 5点 | 考虑路缘石 |
| 普通道路 | ±0.5m | 3点 | 默认配置 |
| 高速道路 | ±1.0m | 3点 | 考虑换道需求 |
| 施工区域 | ±1.5m | 7点 | 复杂避障 |
3.2 动态调整策略
我开发了一套基于规则的动态调整方法：
根据车速调整范围
lateral_range = base_range * (1 + 0.5*(v - v0)/v0);根据道路宽度调整密度
- 宽路：稀疏采样
- 窄路：密集采样
考虑障碍物分布
- 单侧障碍：非对称采样
- 双侧障碍：中心偏移
3.3 调参经验分享
- 先从保守参数开始，逐步扩大范围
- 记录每次参数变更的效果
- 建立参数与场景的映射关系
4. 轨迹拼接：时间一致性陷阱
轨迹拼接(Stitching)是保证规划连续性的关键，但时间处理不当会导致严重的控制问题。
4.1 典型问题场景
- 规划周期延迟：100ms的规划延迟在60km/h车速下意味着1.67m的位置误差
- 控制指令堆积：多个轨迹段时间重叠导致控制冲突
- 紧急制动失效：时间戳错误使制动指令延迟
4.2 解决方案
时间对齐策略：
- 统一使用全局时间戳
- 预测车辆未来状态作为规划起点
planning_start = current_pose.predict(dt)
轨迹重叠处理：
- 新旧轨迹相似度检测
- 渐进式切换权重
- 异常情况安全处理
实测对比数据：
| 方案 | 位置误差 | 方向误差 | 紧急制动响应 |
|---|---|---|---|
| 简单拼接 | 0.45m | 5.2° | 320ms |
| 时间预测 | 0.18m | 2.1° | 210ms |
| 渐进式混合 | 0.12m | 1.5° | 190ms |
4.3 调试建议
- 可视化时间轴上的轨迹序列
- 模拟不同延迟场景
- 压力测试极端情况
5. 实车调试的血泪教训
经过三个月的实车调试，我总结了以下宝贵经验：
- 不要相信仿真结果：在仿真中完美的轨迹，实车可能完全无法执行
- 分阶段验证：先验证无障碍物场景，再逐步增加复杂度
- 数据记录至关重要：每次测试都要完整记录所有中间状态
- 控制-规划协同调试：单独优化规划模块效果有限
必备调试工具链：
- 高精度定位设备
- 实时轨迹可视化工具
- 数据回放分析系统
- 参数快速调整接口
在经历了无数次失败后，当我第一次看到车辆平稳地通过复杂路段时，所有的努力都变得值得。Lattice Planner的实车部署没有银弹，唯有不断试错和优化才能获得理想的效果。