解析论文：A Sampling-Based Local Trajectory Planner for Autonomous Driving
along a Reference Path
文章依然采用了sampling based method 进行规划。
主要包含四个部分：参考线优化，空间曲线规划，速度曲线规划，代价函数最优问题
结构如图：
第一部分：使用SVM进行参考线优化：
具体的方法参考svm, 主要原理就是最大化边界距离。
空间曲线规划参见另一篇文章解析自动驾驶路径规划论文解析(2)
速度曲线的规划，需要满足一下几个限制：
cost function 由三部分组成：
第一个，用于惩罚偏离参考线。第二个用于惩罚曲率，直线的曲率为0，我们希望尽量走直线。第三个，用于惩罚撒点长度，我们不想最优曲线过长，撒的太远效率不高。但是也有论文认为，曲线应该撒尽量长，这样可以避免曲线太短，发生频繁局部变化。
最后解最优问题：
来源：CSDN
作者：gophae
链接：https://blog.csdn.net/gophae/article/details/104283034