百度 Apollo 的局部轨迹规划，核心是两套主规划器 + 分层解耦架构，并随版本迭代形成清晰技术路线，下面按主干算法、版本演进、工程细节、与华为/行业对比，给出可直接落地的结论。

---

一、核心结论（一句话）

Apollo 局部规划的主算法是 EM Planner（Public Road Planner）+ Lattice Planner 双主干，以Frenet 坐标系 + 路径-速度解耦（Path-Velocity Decoupling） 为底层范式，全程用 DP 粗搜 + QP 精修 做轨迹优化，完全不用 TEB/DWA/Ego-Planner 作主规划。

---

二、Apollo 局部规划两大核心算法

1. EM Planner（Public Road Planner）——结构化道路绝对主力

EM Planner 是 Apollo 3.5 后量产主局部规划器，后更名为 Public Road Planner，面向城市道路、高速等结构化场景，是行业工程化标杆。

核心思想：EM 迭代 + 路径-速度解耦

• 把轨迹规划拆为路径（SL）+ 速度（ST） 两个子问题，交替迭代优化（E 步→M 步→收敛）
• 全程在 Frenet 坐标系 下完成，大幅降低维度与计算量

完整流程（工程落地版）

1. 参考线生成与平滑

   • 全局 Routing → 车道中心线 → 样条平滑，得到曲率连续的 Frenet 参考线
   • 静态障碍物投影到 SL 图，动态障碍物投影到 ST 图

2. 路径规划（SL 空间）：DP 粗搜 + QP 精修

   • DP 粗搜（Dynamic Programming）
     • 沿参考线 s 方向分段，横向 l 方向均匀采样（如每 15–20m 一组，每组 5–7 点）
     • 计算每段采样点代价（偏离参考线、碰撞、曲率、车道边界）
     • 反向回溯得到粗最优路径，解决“走哪边绕障”的决策问题
   • QP 精修（Quadratic Programming）
     • 以 DP 粗路径为初值，用二次规划做平滑优化
     • 约束：曲率连续、转向角速率、横向偏移、静态避障
     • 输出光滑、可执行的横向轨迹 l(s)

3. 速度规划（ST 空间）：DP 粗搜 + QP 精修

   • 以优化后的路径为输入，在 ST 图做速度曲线规划
   • DP 粗搜：沿 s 分段，t 方向采样速度/加速度，代价含跟车、停车、加加速度（jerk）
   • QP 精修：优化速度曲线，满足动力学、舒适性、动态避障
   • 输出纵向轨迹 s(t)，与 l(s) 合成时空轨迹

4. EM 迭代收敛

   • E 步：固定速度分布，优化路径
   • M 步：固定路径形状，优化速度
   • 迭代 2–3 轮收敛，保证路径-速度协同最优

关键特性

• 强适配结构化道路，支持车道保持、换道、借道、路口通行
• 硬实时，单帧计算 < 50ms，满足量产车规
• 静态障碍由 SL 处理，动态障碍由 ST 处理，解耦后稳定性大幅提升

---

2. Lattice Planner——机动/换道/复杂避障主力

Lattice Planner 是 Apollo 2.5 引入的采样型局部规划器，与 EM Planner 并行，侧重大机动、快速避障、多候选轨迹场景。

核心思想：Frenet 双维度多项式采样

• 在 Frenet 坐标系下，横向（l）+ 纵向（s） 独立采样终末状态
• 用五次多项式（横向）+ 四次/五次多项式（纵向） 生成轨迹簇
• 代价函数筛选最优，兼顾安全、舒适、效率

流程

1. 状态采样：横向（l, l’, l’’）、纵向（s, s’, s’’）离散采样
2. 轨迹生成：多项式拟合起点→终末状态，生成百级候选轨迹
3. 代价评估：碰撞、偏离、曲率、jerk、效率、规则约束
4. 最优输出：选代价最低且无碰撞轨迹，支持多候选兜底

适用场景

• 紧急避障、大曲率绕行、临时借道、换道超车
• 无车道线/弱结构化道路（矿区、园区）
• 与 EM Planner 互补：EM 稳，Lattice 灵

---

三、Apollo 局部规划版本演进（关键节点）

版本	核心规划器	技术变化	定位
Apollo 1.5	EM Planner（初代）	SL-ST 迭代，EM 交替优化	初代主规划，解耦探索
Apollo 2.5	EM + Lattice 双主干	引入 Lattice，支持大机动	双规划并行，场景覆盖提升
Apollo 3.5	Public Road Planner（EM 改名）	取消 SL-ST 迭代，SL 管静态、ST 管动态，加入 Scenario	量产主规划，稳定性拉满
Apollo 5.0+	Public Road Planner 优化	取消 SL 层 DP，简化路径粗搜，强化 QP 精修	工程极致优化，车规量产

关键结论：Apollo 3.5 后 Public Road Planner（EM 升级版）是绝对主力，Lattice 作为机动/避障补充，二者共享 Frenet+DP+QP 底层范式。

---

四、Apollo 局部规划 vs 华为 ADS vs 行业开源

1. 与华为 ADS 对比

维度	Apollo	华为 ADS	核心差异
主局部规划	EM Planner（DP+QP）+ Lattice	ADS 3.0：Lattice+QP+MPC；ADS 4.0：WA-MoE+PDP+传统保底	Apollo 纯规则优化；华为 3.0 偏采样，4.0 大模型重构
坐标系	Frenet 绝对主导	Frenet + 无图拓扑推理（RCR）	Apollo 强依赖高精地图；华为支持无图/弱图
动力学	标准车辆模型，适配乘用车	重载、坡道、横摆、XMC 底盘深度集成	华为原生适配矿卡/商用车；Apollo 需大量改造
安全冗余	单规划器+ fallback	三重网络+ fallback	华为冗余更强，矿卡更友好
速度区间	0–120 km/h（乘用车）	0–120+ km/h，重载适配	华为覆盖商用车/矿卡全工况

2. 与 TEB/DWA/Ego-Planner 对比

• TEB/DWA：Apollo 完全不用作主规划，仅在极低速泊车/对位做辅助，不适合高速/重载
• Ego-Planner：Apollo 未采用，其轻量避障思路被吸收到 Lattice 采样逻辑，但非主干
• 核心优势：Apollo 的 DP+QP+Frenet 解耦，在实时性、平滑性、车规稳定性上全面优于开源轻量算法

---

五、矿区矿卡视角：Apollo 局部规划的可借鉴点

对矿区无人驾驶矿卡，Apollo 有极强参考价值，同时需针对性改造：

1. 主干必选 EM Planner（Public Road）+ Lattice 双架构
   • EM 负责常规行驶、跟车、装卸对位
   • Lattice 负责会车、绕障、临时改道、大机动
2. 必须改造动力学模型
   • 替换乘用车模型，加入重载、坡道、轮胎滑移、横摆约束
   • 强化 ST 图的坡道速度限制、制动距离补偿
3. 无图/弱图适配
   • 参考 Apollo 参考线生成逻辑，在采场/排土场实时生成临时 Frenet 参考线
   • 取消高精地图依赖，用激光/视觉建图替代
4. 安全兜底强化
   • 照搬 Apollo 的 DP+QP 双层优化，增加硬实时碰撞检测
   • 多候选轨迹并行，异常时毫秒级切换安全轨迹
5. 速度规划定制
   • 矿卡 0–45 km/h 工况，优化 ST 图采样与代价函数
   • 强化重载制动、坡道起步、装卸低速控制

---

六、总结

Apollo 局部轨迹规划是规则优化派的工业标杆，核心是：

• 双主干：EM Planner（Public Road）主稳定，Lattice 主机动
• 底层范式：Frenet 坐标系 + 路径-速度解耦 + DP 粗搜 + QP 精修
• 版本定位：3.5+ Public Road Planner 是量产绝对主力，Lattice 做机动补充
• 行业地位：乘用车/商用车量产首选，矿区矿卡可直接复用架构，仅需动力学与场景定制

1. Apollo EM Planner 适配矿卡的改造参数与约束清单
2. Apollo 局部规划在矿区的场景化配置文件（proto）
3. 矿卡局部规划从 0 到 1 的 Apollo 方案复刻步骤