簡單的無人駕駛系統的整體架構如下圖所示，
更完善的系統架構，可以參考apollo的技術框架。
其中，速度規劃是在 decision 大模組中，在 motion planning 的子模組中，其根據高精度地圖和定位模組給出的定位資訊，全域性路徑規劃給出的參考路徑，感知和**模組給出的其他物體的資訊，以及本車的狀態資訊，計算出當前的期望加速度（acc），下發給車輛控制模組。
注：後文提到的加速度acc，有正負，正為加速，負為減速。acc越大，代表加速越猛；acc越小，代表制動越猛。
為了理解方便，這裡用減速度dec代替描述制動的acc，dec只有正，越大代表制動越猛。
需要注意的是，這裡給出的速度規劃模組要點，用於處理直道或彎道時的跟車場景，如上圖所示。主要包括四部分：
已知資訊包括：
需要估算的資訊：
限速可分為兩類，靜態限速和動態限速，主要包括：
限速不侷限以上五種的計算，限速資訊會記錄到參考行駛軌跡的每個點上。
這裡是最核心的部分，也是最簡單又複雜的部分，簡單在於查表，複雜在於這個表是怎麼來的。
查表，即根據本車車速、前車車速、與前車的距離，查表得到期望的加速度acc。
這個表怎麼來的呢？
通常先根據公式或模型，計算得到一張基本表；然後在各種工況下測試，不斷微調此表。
這裡就體現出用表的好處：可以單點調整，而不影響其他地方。
查表得到期望的acc之後，還需要一些後處理，包括：
實際工程中，後處理是比較麻煩的地方，後處理也不侷限於上述幾種情況。
以上就是跟車場景下速度規劃模組要點。
對於路口的速度規劃，在上述四點的基礎上，還需要用到st速度規劃，這裡不做介紹。感興趣的可以檢視：
基於s-t圖的速度規劃介紹
自動駕駛系統的決策技術介紹
特別感謝apollo的公開課。
無人駕駛系統概述
引自總結於 1.感知 收集環境資訊，如道路標誌，標記，定位，障礙物的位置，速度以及可能行為，可行駛區域，交通規則等。主要通過雷射雷達 能夠實時的建立起周圍環境的3維地圖稱為點雲圖 和相機等 為了更好理解點雲圖，對點雲資料進行處理，包括分割和定位。分割將點雲圖中離散的點聚類成若干個整體，分類則是區分出...
無人駕駛汽車路徑規劃概述
無人駕駛汽車路徑規劃概述 無人駕駛汽車路徑規劃是指在一定的環境模型基礎上，給定無人駕駛汽車起始點和目標點後，按照效能指標規劃出一條無碰撞 能安全到達目標點的有效路徑。路徑規劃主要包含兩個步驟 建立包含障礙區域與自由區域的環境地圖，以及在環境地圖中選擇合適的路徑搜尋演算法，快速實時地搜尋可行駛路徑。路...
無人駕駛汽車系統入門
無人駕駛汽車系統入門 一 卡爾曼濾波與目標追蹤 無人駕駛汽車系統入門 二 高階運動模型和擴充套件卡爾曼濾波 無人駕駛汽車系統入門 三 無損卡爾曼濾波，目標追蹤，c 無人駕駛汽車系統入門 四 反饋控制入門，pid控制 無人駕駛汽車系統入門 五 運動學自行車模型和動力學自行車模型 無人駕駛汽車系統入門 ...