explore_planning_problem

探索并整理自动驾驶及其他领域的决策规划问题 另：注重基础能力的提升（coding能力，数据结构与算法）、数学知识（数值分析、优化理论）和工程化（coding style、版本控制、编译构建系统）

[TOC]

1. 自动驾驶领域（auto_drive）

学习路线

1. Frenet坐标系与笛卡尔坐标系之间转换关系;

   参考博客

   [参考论文](Optimal trajectory generation for dynamic street scenarios in a Frenét )

   参考代码

2. 5次多项式，3次样条，5次样条曲线：

   理解插值与拟合的区别：

   lattice规划算法：横向规划是5次多项式，纵向规划是（4次或则5次）；

   DP路径规划：采用的是3次样条曲线；

   曲线光滑： 螺旋线，2维的5次样条曲线；

   QP路径规划：piecewise_jerk_path(分段jerk路径)，本质就是3次样条曲线

   QP速度规划：piecewise_jerk_speed(分段jerk速度)，本质是3次样条曲线

   三次多项式

   四次多项式

   五次多项式

   三次样条插值(知乎)

   piecewise_jerk(分段加加速度曲线，本质就是三次样条曲线)

3. 静态障碍物映射到SL 图中：

4. 动态障碍物映射到ST图中：

5. lattice规划方法：

6. 什么是优化问题：

7. 构建参考线平滑优化问题：

8. 构建路径规划优化问题：

9. 熟悉A*算法：

10. 什么是动态规划问题：

11. 采用动态规划解决速度规划问题：

12. 构建速度规划优化问题：

13. 熟悉dubins、reed-shepp曲线：

2. 基础能力建设（basic）

3. 数据结构与算法（data_structure_and_algorithm）

4. 数学知识（mathematic）

5. 提高