导航规划的路线一般由三个部分组成：Routing、参考线以及轨迹。

参考线是根据routing规划的路线，生成一系列参考轨迹，提供给规划算法作为参考，从而生成最终的规划轨迹。

为什么要提供参考呢？因为道路是结构化道路，在没有参考的情况下，需要通过搜索算法来查找路线，这种场景在机器人路径规划中比较普遍，机器人在一个开放空间只要没有障碍物它就可以行走，而车不一样，车是在道路上行驶的，在提供参考的情况下，节省了查找的时间和复杂度，降低了算法的难度，这也就是参考线的意义。

为什么不直接使用routing？

这会带来什么后果

不平滑可能导致车辆形式不平稳

过长的导航路线：

解决方法：在全局路径上截取一小段路径做平滑，平滑后的线就是参考线（参考线就是s轴要做投影的）

参考线是解决方案，解决导航路径过长，不平滑的问题

决策规划模块负责生成车辆的行驶轨迹。要做到这一点，决策规划模块需要从宏观到局部经过三个层次来进行决策。

第一个层次是Ｒouting的搜索结果。Routing模块的输入是若干个按顺序需要达到的途经点(也可能只有一个起点和一个终点)。Routing模块根据地图的拓扑结构搜索出可达的完整路径来，这个路线的长度可能是几公里甚至几百公里。因此这个是最为宏观的数据。另外，Ｒouting的搜索结果是相对固定的。在没有障碍物的情况下，车辆会一直沿着原先获取到的Routing路线行驶。只有当车辆行驶出了原先规划的路线之外（例如：为了避障），才会重新发送请求给Routing模块，以重新计算路线。

第二个层次就是参考线。决策规划魔抗会实时根据车辆的具体位置来计算参考线。参考线的计算会以Routing的路线为基础。但同时，参考线会考虑车辆周围的动态信息。比如：障碍物，交通规则灯。参考线是包含车辆所在位置周边一定的范围，通常是几百米的长度。相较于Routing结果，它是较为局部的数据。

第三个层次是轨迹。轨迹是决策规划魔抗的最终输出结果。它的依据是参考线。在同一时刻，参考线可能会有多条。比如：在变道的时候，自车所在车道和目标车道都会有一条参考线。而轨迹，是在所有可能的结果中，综合决策和优化的结果，最终的唯一结果。因此它是更为具体和局部的数据。轨迹不仅仅包含了车辆的路线，还包含了车辆行驶这条路线时的详细状态。例如：车辆的方向，速度，加速度等等。

ReferenceLine 是整个规划算法的基础，在apollo中起到了关键的承上启下的作用。，规划的目的就是使车辆按照ReferenceLine行驶。

参考线是根据车辆位置相对局部的一个数据，它包含了车辆前后一定范围内的路径信息。在车辆行驶过程中，Planning会在每一个计算周期中生成ReferenceLine。

然后在这个ReferenceLine上进行后面的处理。例如：交通规则逻辑，障碍物投影，路径优化，速度决策等等。可以说，参考线贯穿了整个Planning模块的实现。

从这幅图中可以看出，这里涉及到三个模块：

在Planning模块中有以下三个数据结构将是本文关注的重点：

具体的逻辑由下面这个方法完成：

常见的参考线平滑方式有：离散点的平滑（Apollo采用）、螺旋线的平滑以及样条曲线的平滑。

在实现中，Smoother用到了下面两个开源库：

具体使用哪一个平滑器由ReferenceLineProvider在初始化的时候读取配置文件来决定：

这段代码中的几个点说明如下：

至此，决策规划模块的任务就完成了。接下来就是由控制模块按照这里发出的轨迹来控制车辆的行驶。

在车辆行驶过程中，必不可少的就是判断自车以及障碍物所处的位置。这就很自然的需要将物体投影到参考线上来进行计算。对于这些内容，可以浏览下面这些接口的实现。这些逻辑基本上是点和位置的计算，这里就不展开了。

StdPlanning已经改名为OnLanePlanning。