1 背景
笔者在上周发布的博客《自动驾驶---低速场景之记忆泊车》中，大体介绍了记忆泊车中的整体方案，其中详细阐述了planning模块的内容，全局规划及局部规划（会车）等内容，包括使用的算法，但是没有深入详细地展开讲述OpenSpace规划算法，因此在本篇博客中，详细讲解该部分内容。
OpenSpace规划主要涉及到自动驾驶车辆在开放、非结构化环境中的路径规划问题。这种规划对于没有固定参考线的场景特别重要，比如自主泊车、路边停车，城区路口掉头等。
在OpenSpace规划中，算法的核心是根据感知信息和感兴趣区域（ROI）来生成和选择最佳的行驶路径。感知信息主要包括周围动静态障碍物的位置、速度等信息，而ROI则包含了地图信息，比如道路边界、车位边界等。
OpenSpace规划算法的基本流程如下：
- 生成可行驶区域：根据感知数据和地图信息，算法首先会确定车辆可以安全行驶的区域。这通常涉及到对道路边界、障碍物位置等信息的解析和处理。
- 路径搜索与选择：在确定了可行驶区域后，算法会在这个区域内搜索可能的行驶路径。这个过程可能会使用到各种路径搜索算法，比如A*算法或其变种。搜索到的路径会基于一定的评价标准（比如安全性、效率等）进行排序和选择。
- 轨迹优化：选定了路径后，算法还需要对
Ubuntu20.04安装Deepstream)
)
