无人驾驶汽车自动寻路与动态避障研究

发布时间：2020-06-29 10:15

【摘要】：随着城市道路上汽车的逐年增加,道路交通安全的形势日益严峻交通安全事故频发,行车安全越来越需要得到重视。同时智能交通的发展、汽车行业的转型为无人驾驶汽车的产生以及这一问题的解决提供了新的思路,避障路径的安全与否决定着汽车能否顺利躲避道路上的障碍物,规避惨剧的发生,在道路安全提高方面有极其重大的意义。详细阐述和分析了国内外有关自动寻路和避障的研究,将路径规划的研究分为全局路径规划和局部路径规划两种,并且针对全局路径规划采用A*算法研究和针对局部路径规划采用人工势场法研究。首先详细叙述了A*算法的原理,建立栅格环境,利用传统A*算法进行仿真,指出由于潜在的最优栅格被过早的删除并且搜索的范围只有8个邻域,所以规划的路径并非最优。因此将传统A*算法的可搜索邻域个数从8个扩展为16个,搜索方向也变为相对连续的方向。并且提出了双向算法,缩短了A*算法的搜索时间。由仿真结果分析发现,最终提出的改进A*算法,优化了上述缺点,并且在规划时间效率和路线上达到最优。全局A*算法只能在全局地图已知的情况下规划出最优路线,面对未在地图中标明的临时障碍物以及移动障碍物无法适用。因此考虑传统人工势场法解决局部路径避障问题。由于传统人工势场法存在局部最优等缺点,本文额外考虑了无人驾驶汽车和预定位置之间的相对距离,当汽车抵达预定位置的时候,引力和斥力同时为零,并且重新改进了障碍物的斥力势场函数,同时新增汽车落入局部极小范围的判断,以此来解决了局部最优和目标不可达的问题。为更加准确的用势场法描述汽车在道路上行驶的真实场景,为移动障碍物添加和障碍物斥力相同方向的速度斥力势场,使文章模型更加接近真实状态。通过仿真验证改进后的人工势场法,对栅格环境进行改善,并且对A*算法人工势场动态加权。经过仿真对比结果显示,算法搜索的范围变小,并且规划路线更加安全,距离上来说有所增加。融合改进人工势场法和A*算法,并且使用ROS平台进行最终路径规划算法的模拟实验,实验证实路径规划算法可以顺利避开未在地图中出现的临时障碍物和动态障碍物,具有良好的适用性。
【学位授予单位】：长安大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：U463.6
【图文】：

示意图,周边环境,示意图,无人驾驶车辆

基梅隆大学研制出来。这辆试验车从美国东部高速到美国西部高速共行驶了5000公里自主驾驶了 96%的路程，并且时速达到了 55Km。在各类恶劣环境中完成了正常驾成功到达目的地[5]。在 2004 到 2007 年间，美国国防部(DARPA, Defense Advanced Research ProAgency)共举办了三届无人驾驶车辆的比赛，同时增加对无人驾驶汽车的投入，随着届赛事的成功举办，无人驾驶车辆的技术得到了快速的发展，各方对无人驾驶技术的发投入也越来越大[6]。Google 公司在 2009 年开始了无人驾驶车辆的研究，靠着成熟的软件实力和算法队，无人驾驶技术被 Google 推向新的高度。各类激光传感器，声波雷达等设备装载谷歌无人车，可以没有死角的获取环境信息。谷歌无人驾驶汽车从 2009 年开始，采自主模式行驶了 120 多万英里，面对不同情况软件已经知道应对的方法。下图就是谷自动驾驶汽车眼中的世界[7]。

国防科技,红旗,研究所,高校

图 1.2 红旗无人驾驶汽车国防科技大等 10 余所高校及研究所的 21 支无人车，参 9 月组织“跨越险阻-2014”无人车挑战比赛。比赛场景考核无人驾驶汽车在军事需求的情况下能否适应各种环驶，自主避让、绕行战场各类障碍物，如:损毁装备、路沟、水坑以及动态障碍物等[10-11]。校和研究所，作为国内龙头企业的百度也研发了无人驾2013 年在北京也进行了自主驾驶测试，完成了超速减速行为。以最高时速 100Km/h 的速度完成了高速普通道路第 15 张无人驾驶测试牌照由百度于 2017 年 9 月获得。

【参考文献】