从零复现Apollo 6.0 EM Planner：DP+QP路径规划实战全解析
当你在深夜的调试中第一次看到QP优化后的平滑路径曲线出现在Dreamview可视化界面时，那种突破技术瓶颈的成就感会瞬间冲淡所有编译报错带来的焦虑。作为Apollo早期版本的核心规划算法，EM Planner的DP+QP双阶段架构至今仍是理解自动驾驶决策优化思想的经典案例。本文将带你穿透理论论文与真实代码之间的鸿沟，用工程师的视角还原从代码定位到参数调试的全过程。
1. 环境准备与代码定位
在开始之前，请确保你的Ubuntu 18.04或Docker环境已经完成Apollo 6.0的基础编译。这个版本特意保留了EM Planner的完整实现，虽然它已不再是默认规划器。
关键代码路径：
modules/planning/planner/em # EM Planner主入口 modules/planning/tasks/dp_poly_path # DP路径优化 modules/planning/tasks/qp_spline_path # QP路径优化 modules/planning/reference_line # 参考线处理最容易遗漏的是em_planner_config.pb.txt配置文件，它决定了各个优化器的启用状态：
task_config: { task_type: DP_POLY_PATH_OPTIMIZER enabled: true } task_config: { task_type: QP_SPLINE_PATH_OPTIMIZER enabled: true }注意：如果你使用的是Apollo 6.0之后的版本，可能需要手动修改
planning_config.yaml将默认规划器切换为EM模式：planning_config { planner_type: EM }
2. DP路径优化实战详解
动态规划阶段的核心思想是将道路离散化为网格，通过代价计算寻找最优路径。在代码中，这个过程的精髓藏在DpPolyPathOptimizer::Process()方法里。
典型报错与解决方案：
| 报错现象 | 可能原因 | 解决方法 |
|---|---|---|
Failed to load dp_poly_path_config | 配置文件路径错误 | 检查modules/planning/conf/下的配置文件 |
SL boundary not initialized | 参考线生成失败 | 验证reference_line_provider日志 |
DP grid size exceeds limit | 离散化参数过大 | 调整dp_poly_path_config中的grid_size |
调试时建议在dp_poly_path_optimizer.cc中添加可视化日志：
ADEBUG << "DP cost at s=" << s << ", l=" << l << ": " << cost;关键参数调优表：
# modules/planning/conf/dp_poly_path_config.pb.txt obstacle_weight : 1.0 # 障碍物代价权重 reference_line_weight : 0.5 # 参考线偏移代价 smoothness_weight : 0.1 # 路径平滑度代价3. QP路径优化进阶技巧
二次规划阶段负责对DP结果进行精细化调整，这里最容易遇到的是QP求解器失败的问题。以下是一个典型的调试流程：
- 检查QP问题可行性：
grep -rn "QP problem infeasible" modules/planning/- 验证约束条件：
// 在qp_spline_path_optimizer.cc中添加调试输出 for (const auto& constraint : qp_problem.constraints()) { AINFO << "Constraint: " << constraint.DebugString(); }- 调整松弛变量：
# qp_spline_path_config.pb.txt constraint_relax_ratio : 0.2 # 约束松弛系数QP优化结果可视化技巧：
# 在Dreamview中添加自定义可视化通道 planning.trajectory = { ... debug: { qp_spline_path: { spline: $spline_data } } }4. 全流程联调与性能优化
当单独测试DP和QP都通过后，集成运行时可能会遇到新的边界条件问题。这里分享几个实战经验：
- 时间同步问题：在
EmPlanner::Plan()中增加时间戳校验
double start_time = Clock::NowInSeconds(); ... ADEBUG << "DP+QP total time: " << Clock::NowInSeconds() - start_time;- 内存泄漏排查：使用Valgrind检测规划模块
valgrind --leak-check=full bazel-bin/modules/planning/planning- 实时性调优：修改线程模型
# planning_config.yaml enable_multi_thread: true max_thread_num: 4最后要特别注意的是，Apollo 6.0的EM Planner对高精地图质量非常敏感。我们在实际项目中遇到过因地图车道线精度不足导致的QP振荡问题，解决方案是在预处理阶段增加参考线平滑：
reference_line.SmoothWithSpline(0.3); // 调整平滑系数
