无人驾驶汽车局部路径规划研究综述
发布时间：2021-02-15 23:22
文章针对近年来的无人驾驶汽车路径规划算法进行总结和归纳。首先对目前主流的环境建模方法进行阐述;其次对路径规划算法进行介绍,通过分析其优缺点,指出融合轨迹规划算法具有最好的适用性;最后总结当前研究挑战并提出了相关建议。
【文章来源】：汽车科技. 2020,(05)
【文章页数】：6 页
【部分图文】：
路径规划原理图
传感器获得的外界环境信息及驾驶人的状态，对置，然后建立栅格关联矩阵对候选栅格进行概率计当前道路中出现的障碍物和特殊情况进行局部重算，并利用栅格方向向量进行走向引导，有效提高新规划，从而提高轨迹的合理性及安全性。路径识别能力，提升规划效率。无人驾驶路径规划的选择引导车辆的行驶方1.2可视图法向，对车辆行驶安全起到至关重要作用，其技术可视图环境建模法，是将外界环境中的障碍原理如图1所示。通过建立包含障碍区域与自由区物转换为凸多边形物体，将障碍物位置的顶点、域的环境地图；然后，根据当前环境信息及相关本车当前位置、目标点这些节点用直线连接，若成本函数，判断出最优的路径搜索算法，从而达两点连接的线段不与任何障碍物多边形相交，则[5]到实时精准的对多条可行性路径进行搜索。称两点“可视”，该线段称为可视线。基于此原理构建路线图的方法，称为可视图法。但是应对于复杂场景时，运算效率不佳。[5]基于此，文献基于A*路径搜索算法来构建可视图，并建立可视图节点判断机制，仅需构建与最优路径匹配度较高的可视边，从而提高了算法[6]的运行效率。文献将路径规划中的障碍物进行规图1路径规划原理图则化筛选，排除相关度较低的障碍物，并通过简1环境建模化可视图的边数，减少候选参考路径的数量，从当感知系统传递周围环境信息后，局部路径而提高算法的运算效率和可靠性。针对于复杂场规划处理器将信息融合为相应的环境地图，环境[7]景中的多目标障碍工况，文献提出了一种基于小建模的方法有：栅格法、可视图法、维诺图法、型障碍物进行分组、重新组合的路径规划方法，拓扑法等，文中将详述环境建模所常用的栅格对并行处理的运行环境进行划分，如图2所示，大法、可视图法的应用现状。[8]
脑诵行?省Ｎ南捉?肪豆婊?械恼习?锝?泄?图1路径规划原理图则化筛选，排除相关度较低的障碍物，并通过简1环境建模化可视图的边数，减少候选参考路径的数量，从当感知系统传递周围环境信息后，局部路径而提高算法的运算效率和可靠性。针对于复杂场规划处理器将信息融合为相应的环境地图，环境[7]景中的多目标障碍工况，文献提出了一种基于小建模的方法有：栅格法、可视图法、维诺图法、型障碍物进行分组、重新组合的路径规划方法，拓扑法等，文中将详述环境建模所常用的栅格对并行处理的运行环境进行划分，如图2所示，大法、可视图法的应用现状。[8]大地缩短算法的计算量，提高运算效率。文献采1.1栅格法用可视图法生成多边形规则体，并通过最优控制栅格法作为目前最成熟的轨迹规划算法，由算法来合并多边形作为中间目标，从而减少规划[1]W.E.Howden于1968年率先提出，其原理是将外目标受到局部极小值影响。界环境图像信息进行单元分割，并利用等尺寸二值信息的矩形栅格来表征。而栅格的尺寸是影响规划算法鲁棒性的重要指标，栅格越小环境分辨率越高。相对而言，存储空间占用率会增大，路径规划决策效率将会收到干扰；若栅格越大，便会降低在高密度多目标等复杂场景中的路径识别能力。[7]图2基于改进的可视图求解最短路径[2]文献针对传感器测量的不确定性问题，将概率推理思想用于栅格地图的建立，采用不同的算2路径搜索算法法验证发现，原始的贝叶斯推理算法和Dempster融路径搜索作为路径规划的主要步骤，负责合算法在实时更新栅格地图和运动目标检测性能在建立好的环境模型中计算最优的轨迹方案。[3]表现更优。文献提出针对全局环境的完全遍历栅目前研究较为广泛局部路径规划算法主要包格法静态环境?
【参考文献】：
期刊论文
[1]基于双层蚁群算法和动态环境的机器人路径规划方法[J]. 许凯波,鲁海燕,黄洋,胡士娟. 电子学报. 2019(10)
[2]基于改进蚁群算法的移动机器人路径规划研究[J]. 江明,王飞,葛愿,孙龙龙. 仪器仪表学报. 2019(02)
[3]基于改进蚁群算法的多AGV泊车路径规划[J]. 郭保青,郝树运,朱力强,余祖俊. 交通运输系统工程与信息. 2018(06)
[4]基于改进A*算法的移动机器人路径规划[J]. 赵晓,王铮,黄程侃,赵燕伟. 机器人. 2018(06)
[5]基于栅格法的室内指示路径规划算法[J]. 程向红,祁艺. 中国惯性技术学报. 2018(02)
[6]基于人工势场算法的智能车辆路径规划仿真[J]. 安林芳,陈涛,成艾国,方威. 汽车工程. 2017(12)
[7]基于同步可视图构造和A*算法的全局路径规划[J]. 吕太之,赵春霞,夏平平. 南京理工大学学报. 2017(03)
[8]改进RRT在汽车避障局部路径规划中的应用[J]. 宋晓琳,周南,黄正瑜,曹昊天. 湖南大学学报(自然科学版). 2017(04)
[9]基于一种改进A*算法的移动机器人路径规划[J]. 孙炜,吕云峰,唐宏伟,薛敏. 湖南大学学报(自然科学版). 2017(04)
[10]复杂环境下基于A*算法的无人机路径再规划[J]. 谭雁英,李洋,周军,祝小平. 系统工程与电子技术. 2017(06)
本文编号：3035719
【文章来源】：汽车科技. 2020,(05)
【文章页数】：6 页
【部分图文】：
路径规划原理图
传感器获得的外界环境信息及驾驶人的状态，对置，然后建立栅格关联矩阵对候选栅格进行概率计当前道路中出现的障碍物和特殊情况进行局部重算，并利用栅格方向向量进行走向引导，有效提高新规划，从而提高轨迹的合理性及安全性。路径识别能力，提升规划效率。无人驾驶路径规划的选择引导车辆的行驶方1.2可视图法向，对车辆行驶安全起到至关重要作用，其技术可视图环境建模法，是将外界环境中的障碍原理如图1所示。通过建立包含障碍区域与自由区物转换为凸多边形物体，将障碍物位置的顶点、域的环境地图；然后，根据当前环境信息及相关本车当前位置、目标点这些节点用直线连接，若成本函数，判断出最优的路径搜索算法，从而达两点连接的线段不与任何障碍物多边形相交，则[5]到实时精准的对多条可行性路径进行搜索。称两点“可视”，该线段称为可视线。基于此原理构建路线图的方法，称为可视图法。但是应对于复杂场景时，运算效率不佳。[5]基于此，文献基于A*路径搜索算法来构建可视图，并建立可视图节点判断机制，仅需构建与最优路径匹配度较高的可视边，从而提高了算法[6]的运行效率。文献将路径规划中的障碍物进行规图1路径规划原理图则化筛选，排除相关度较低的障碍物，并通过简1环境建模化可视图的边数，减少候选参考路径的数量，从当感知系统传递周围环境信息后，局部路径而提高算法的运算效率和可靠性。针对于复杂场规划处理器将信息融合为相应的环境地图，环境[7]景中的多目标障碍工况，文献提出了一种基于小建模的方法有：栅格法、可视图法、维诺图法、型障碍物进行分组、重新组合的路径规划方法，拓扑法等，文中将详述环境建模所常用的栅格对并行处理的运行环境进行划分，如图2所示，大法、可视图法的应用现状。[8]
脑诵行?省Ｎ南捉?肪豆婊?械恼习?锝?泄?图1路径规划原理图则化筛选，排除相关度较低的障碍物，并通过简1环境建模化可视图的边数，减少候选参考路径的数量，从当感知系统传递周围环境信息后，局部路径而提高算法的运算效率和可靠性。针对于复杂场规划处理器将信息融合为相应的环境地图，环境[7]景中的多目标障碍工况，文献提出了一种基于小建模的方法有：栅格法、可视图法、维诺图法、型障碍物进行分组、重新组合的路径规划方法，拓扑法等，文中将详述环境建模所常用的栅格对并行处理的运行环境进行划分，如图2所示，大法、可视图法的应用现状。[8]大地缩短算法的计算量，提高运算效率。文献采1.1栅格法用可视图法生成多边形规则体，并通过最优控制栅格法作为目前最成熟的轨迹规划算法，由算法来合并多边形作为中间目标，从而减少规划[1]W.E.Howden于1968年率先提出，其原理是将外目标受到局部极小值影响。界环境图像信息进行单元分割，并利用等尺寸二值信息的矩形栅格来表征。而栅格的尺寸是影响规划算法鲁棒性的重要指标，栅格越小环境分辨率越高。相对而言，存储空间占用率会增大，路径规划决策效率将会收到干扰；若栅格越大，便会降低在高密度多目标等复杂场景中的路径识别能力。[7]图2基于改进的可视图求解最短路径[2]文献针对传感器测量的不确定性问题，将概率推理思想用于栅格地图的建立，采用不同的算2路径搜索算法法验证发现，原始的贝叶斯推理算法和Dempster融路径搜索作为路径规划的主要步骤，负责合算法在实时更新栅格地图和运动目标检测性能在建立好的环境模型中计算最优的轨迹方案。[3]表现更优。文献提出针对全局环境的完全遍历栅目前研究较为广泛局部路径规划算法主要包格法静态环境?
【参考文献】：
期刊论文
[1]基于双层蚁群算法和动态环境的机器人路径规划方法[J]. 许凯波,鲁海燕,黄洋,胡士娟. 电子学报. 2019(10)
[2]基于改进蚁群算法的移动机器人路径规划研究[J]. 江明,王飞,葛愿,孙龙龙. 仪器仪表学报. 2019(02)
[3]基于改进蚁群算法的多AGV泊车路径规划[J]. 郭保青,郝树运,朱力强,余祖俊. 交通运输系统工程与信息. 2018(06)
[4]基于改进A*算法的移动机器人路径规划[J]. 赵晓,王铮,黄程侃,赵燕伟. 机器人. 2018(06)
[5]基于栅格法的室内指示路径规划算法[J]. 程向红,祁艺. 中国惯性技术学报. 2018(02)
[6]基于人工势场算法的智能车辆路径规划仿真[J]. 安林芳,陈涛,成艾国,方威. 汽车工程. 2017(12)
[7]基于同步可视图构造和A*算法的全局路径规划[J]. 吕太之,赵春霞,夏平平. 南京理工大学学报. 2017(03)
[8]改进RRT在汽车避障局部路径规划中的应用[J]. 宋晓琳,周南,黄正瑜,曹昊天. 湖南大学学报(自然科学版). 2017(04)
[9]基于一种改进A*算法的移动机器人路径规划[J]. 孙炜,吕云峰,唐宏伟,薛敏. 湖南大学学报(自然科学版). 2017(04)
[10]复杂环境下基于A*算法的无人机路径再规划[J]. 谭雁英,李洋,周军,祝小平. 系统工程与电子技术. 2017(06)
本文编号：3035719
本文链接：https://www.wllwen.com/kejilunwen/sousuoyinqinglunwen/3035719.html
