无人驾驶车辆轨迹规划算法研究

发布时间：2020-12-16 00:47

　　在自动驾驶系统中,轨迹规划模块对于车辆的安全性和驾驶效率有着至关重要的作用。轨迹规划是根据当前环境信息（地图、静态/动态障碍物等）和车辆状态信息规划出具有安全性、舒适度和驾驶效率的轨迹,并且生成的轨迹需要满足车辆运动学约束与工作空间约束（如障碍物约束）。轨迹由路径和速度两部分组成,直接对轨迹进行求解的方法求解维度较高、复杂度较大。因此,本文针对智能车辆的轨迹规划任务,采取分别求解路径和速度的策略,在路径规划时考虑静态障碍物,在速度规划的过程中考虑动态障碍物,最后综合路径规划与速度规划,得到时空维度的轨迹,主要研究成果如下:·针对结构化和非结构化场景下的路径搜索问题,综合利用基于随机采样和数值优化的规划策略,提出了收敛速度快且满足平滑性和安全性要求的路径规划算法:-为了解决传统RRT算法普遍存在的采样效率低和收敛速度慢等问题,提出了启发式采样的策略根据规划目标及障碍物分布对场景进行非均匀采样,从而大大提高了采样效率;-考虑到车辆的连续运动和场景的连续变化,提出了随机树的预处理策略,利用上一帧的搜索结果进行初始化,从而提高了动态场景下的搜索效率;-在有限时间内,基于RRT算法得到的路径搜索... 

【文章来源】：浙江大学浙江省 211工程院校 985工程院校 教育部直属院校

【文章页数】：101 页

【学位级别】：硕士

【部分图文】：

图２－１算法流程图??本章节提出了一种在动态环境下针对无人车的，渐近最优的路径规划算法

（ｃ）概率地图??图２－２吸引人工势场??．１．２搜索路径先验知识??在搜索过程中，每当新的节点生成在目标区域，就会生成一条新的可行路径。为了搜索效率，实现搜索的渐近最优，一旦可行路径生成，接下来的搜索过程就会忽略掉前最短路径长度更长的解。??定义一个椭圆区域Ｃ来限制采样过程：??Ｃ?＝?｛ｘ?ｅ?ｘｌｌｌ＾?－?Ｘｉｎｉｔ＼＼?＋?｜｜〇：?－?ｒｃ９〇ａＺ｜｜?＜?ｌｅｎｇｔｈ（ａｍｉｎ）｝?（２－４）采样概率地图可表示为：??［Ｕａｒｔ（ｘ）＋ｉ?Ｕ?＾??Ｐ（＾）?＝?（２－５）０?ｉｆ?ｘ＾Ｃ??

Ｈｅｕｒｉｓｔｉｃ?Ｓａｍｐｌｉｎｇ：函数Ｓａｍｐｌｉｎｇ（Ｐ）返回一个根据采样概率地图尸生成的采样点??Ｎｅａｒｅｓｔ?Ｎｅｉｇｈｂｏｒ：给定ＲＲＴ树７＂?＝?（Ｋ，五），函数Ｎｅａｒｅｓｔ返回与当前采样点最??近的节点Ｖ。通常，欧几里得距离用来表示节点之间的距离，在本文中，如图２．３（ｂ）所??示，如果只考虑欧几里得距离，距离节点和最近的节点将是：ｃ２，但是这两个节点之间的转??角太大，不能满足车辆运动的非完整约束。在这种情况下，本算法会选择另一个距离更远??但是转角变化更小的节点，例如；ｃ３，作为最近节点，如图２．３（ｃ）所示。在本算法中，相邻??节点的转角约束为ｔｔ／２。??Ｘ＼?ＸＩ?Ｘ＼??Ｘ２?＾?Ｘ２?ｙ＊?Ｘ２??／?＼?Ｘｒ?Ｘｒ??ｘｓ?￣？?ｘ？?￣？?ａ；３?ｘｓ?￣??Ｘ４?Ｘ／［?Ｘ４??（ａ）?（ｂ）?（ｃ）??图２－３最近节点的选择??Ｓｔｅｅｒｉｎｇ：生成新节点的过程是将节点和；ｒ？ｅａｒｅｓｔ连接得到新的节点ａ；？ｅｕ；。??Ｃｏ丨ｌｉｓｉｏｎＣｈｅｃｋｉｎｇ：给定新节点?，函数?Ｃｏｌｌｉｓｉｏｎｃｈｅｃｋｉｎｇ?是为了?检验：ｒ？ｅｕＪ?和它的??父节点前的路径不会碰撞到障碍物。如果不会发生碰撞，节点：ｒ？ｅｕｊ将被加入树??Ｔ中。??ＰａｔｈＧｅｎｅｒａｔｉｏｎ：如果节点和ｘｎｅａｒｅｓｔ之间的路径不会碰撞障碍物并且ｘｎｅｗ二??工―，那么一条可行的路径生成．如果的长度比要小，则（Ｔｍｍ将被ｃｒｎｅｗ??更新。??在路径搜索的过程中


本文编号：2919205