常见的自动驾驶轨迹规划算法

### 回答1：
常见的自动驾驶轨迹规划算法包括以下几种：

1. A*算法：一种基于图搜索的算法，可以用于在复杂的环境中规划最优路径。

2. DWA算法：一种基于动态窗口的局部规划算法，能够在短时间内计算出安全的、平滑的轨迹。

3. MPC算法：一种基于模型预测控制的算法，可以通过对车辆动态模型的预测来规划出优化的轨迹。

4. RRT算法：一种基于随机采样的路径规划算法，能够在未知环境中搜索有效路径。

5. Hybrid A*算法：一种结合了A*和连续时间动态规划的算法，可以在有限的时间内规划出最优路径。

### 回答2：
常见的自动驾驶轨迹规划算法包括A*算法、RRT算法和Spline插值算法。

A*算法是一种基于图搜索的算法，通过将地图划分为一个个小区域，将每个小区域看作一个节点，并通过相邻节点之间的连接关系构建图。通过启发函数计算从起点到终点的最佳路径，并通过优先级队列来选择当前最优的节点进行拓展，最终找到一条最佳路径。

RRT（Rapidly-exploring Random Tree）算法是一种随机采样导向的算法，通过随机生成节点，并逐渐将节点与已有树进行连接，最终构建一颗树状结构。该算法有效地探测周围的空间，以找到一条通往目标的路径。

Spline插值算法是一种通过曲线拟合的方式来规划轨迹的方法。该算法将路径划分为一系列的小线段，并通过计算曲线上的控制点来拟合这些线段，从而形成一条平滑的路径。该算法可以实现路径的平滑过渡，减少车辆运动的突变，提高行驶的舒适性和安全性。

这些常见的自动驾驶轨迹规划算法在实际应用中都有各自的优势和适用场景。选择合适的算法主要取决于具体的应用场景和需求。