基于量子狼群算法的无人驾驶智能车自动避碰方法技术

本发明专利技术公开了一种基于量子狼群算法的无人驾驶智能车自动避碰方法，所述方法基于全局路径规划，在智能车安全行驶过程中实时监测无人车周边的环境，当有动态或是静态障碍物出现时以目标路径最短为目标函数，量子狼群算法优化得到局部避碰最短到达目的地的路径；确定局部无人智能车的最优转向角度和恢复原有路径的角度，从而得到无人智能车的局部路径规划结果。本发明专利技术将全局路径规划和局部的路径规划相结合应用于智能车的无人驾驶，在全局能够在对智能车行驶有一个整体规划，同时，在行驶过程通过局部路径规划可以实时的判定路况信息，及时修改实时路径，从而保证无人智能车快速稳定的到达目的地，提高无人车行驶的安全性和可靠性。

Automatic collision avoidance method of driverless intelligent vehicle based on quantum wolf swarm algorithm

The invention discloses an automatic collision avoidance method of driverless intelligent vehicle based on quantum wolf swarm algorithm. The method is based on global path planning, which monitors the surrounding environment of the driverless vehicle in real time during the safe driving process of the intelligent vehicle. When there are dynamic or static obstacles, the shortest target path is taken as the objective function, and the quantum wolf swarm algorithm optimizes to get the shortest local collision avoidance to the destination To determine the optimal steering angle and the angle to restore the original path of the local unmanned intelligent vehicle, so as to obtain the local path planning results of the unmanned intelligent vehicle. The invention applies the combination of global path planning and local path planning to the driverless intelligent vehicle, which can have an overall planning for the driving of the intelligent vehicle in the global, at the same time, through the local path planning, it can determine the road condition information in real time, modify the real-time path in time, so as to ensure the rapid and stable arrival of the driverless intelligent vehicle to the destination, and improve the driverless vehicle row Driving safety and reliability.

【技术实现步骤摘要】
基于量子狼群算法的无人驾驶智能车自动避碰方法
本专利技术属于人工智能
，涉及一种基于量子狼群算法的智能车自动避碰方法。
技术介绍
无人驾驶智能车又称为智能轮式移动机器人。理论上它被解释为一类能够借助一定方式感知周围环境和车辆自身状态，能够实现行驶在有障碍物的路段或其它环境中面向设定目标的自主运动，进而完成设定作业功能的机器人系统。到目前为止，无人驾驶智能车系统经过科研人员努力，在长久时间的研究和实验下发展已经取得了令人惊讶的成果和先见经验。在可以提前确定的环境中，与智能车导航与避障策略相关的研究已经取得了可观的成果和应用，但在未知环境中，相关研究取得的成果并不能够实现人们的期望目标。新问题和新要求的产生永远不会停止，由于一些基础理论和技术中的局限性让智能车在实际应用中的问题仍然没有较好的解决方法，没有形成一个完整的理论体系，只有较少的先见知识，还有很多关键理论和实验有待研究和验证。因此，智能车在未知环境、非结构化道路行驶过程中依旧存在种种缺陷。无人驾驶智能车不同于其他机器人之处在于凸显了独特的移动方式和应用场景，是一类在尖端科学领域和平常生活中都有广泛应用和科研价值的类别。对于它的研究，包含了经济、国防、科技、教育、文化和生活等众多领域，人们对它的关注度也越来越高，随着近年MCU微处理器以及传感器的高速发展，超大规模集成电路系统(VLSISystem)的普及，传感器数据融合、动态环境建模与定位、导航策略等诸多相关领域算法得以在智能车上实现。与此同时，无人驾驶智能车的研究以及实验表明在减少交通事故，降低驾驶人员驾驶疲劳，优化城市交通环境等方面有着卓越表现，从而受到了相关领域科研人员的关注与青睐。因此，本专利技术希望能够探索一种在低速环境下无人驾驶智能车的结构平台设计、传感器组合和人工智能障碍物检测方法，搭建实物仿真平台验证比对结果，实现对优化方案的验证。符合目前智能车的发展方向，对于其在相关领域的应用提供经验并有着深远的意义。
技术实现思路
为了解决低速环境下无人驾驶智能车路径规划及避障策略问题，本专利技术提供了一种基于量子狼群算法的无人驾驶智能车自动避碰方法。本专利技术的目的是通过以下技术方案实现的：一种基于量子狼群算法的无人驾驶智能车自动避碰方法，包括如下步骤：步骤一、采用环境传感器对智能车周围运行环境和障碍物信息进行扫描，配以多传感器数据融合算法处理的障碍物传感器数据，通过Gmapping开源算法包建立环境地图；步骤二、基于步骤一环境传感器对现有周围环境的检测，使用优化的A*算法在步骤一建立的环境地图上进行启发式搜图，获取无人驾驶智能车目前到达目标点的全局最优初始路径；步骤三、基于步骤二所建立的全局最优初始路径，在无人智能车行驶过程中借助传感器采集数据，使用优化的联合卡尔曼算法对传感器采集的数据进行融合，使用融合后的障碍物距离数据对环境地图中的元素数据进行实时修正；步骤四、在无人智能车按照全局最优初始路径安全行驶过程中，当距离信息正确时，使用PID控制策略对执行机构进行控制，进而实现路径的跟随；当出现距离障碍物距离小于2米的情况时，以目标路径最短为目标函数，对障碍物进行二次采集，执行基于量子狼群算法的智能车紧急避障策略，依据量子狼群算法的具体运算流程，得到目标函数的最优解，确定能使智能车以行驶路径最短为原则避开障碍物最优的避障转角和恢复原有路径的角度，完成智能无人车的局部避碰过程，并将此数据融合到环境地图信息中，对障碍物距离数据进行更新，使用优化的A*算法根据此时智能车位置重新进行路径规划。相比于现有技术，本专利技术具有如下优点：本专利技术提供了一种在低速环境下无人驾驶智能车的结构平台设计、避障方法和导航策略，该策略全局路径规划和局部的路径规划相结合应用于智能车的无人驾驶，在全局能够在对智能车行驶有一个整体规划，同时，在行驶过程通过局部路径规划可以实时的判定路况信息，及时修改实时路径，从而保证无人智能车快速稳定的到达目的地，提高无人车行驶的安全性和可靠性。附图说明图1为领域扩展节点示意图；图2为智能车近距离避障系统多传感器融合算法的结构图；图3为避碰路径示意图；图4为量子狼群算法流程；图5为Intelcorei3处理器实现功能的编程流程图；图6为基于MCU的无人智能车数据处理流程图；图7为智能无人车传感器数据融合验证图；图8为基于Gmapping算法建图仿真无人智能车的运行环境图；图9为基于量子狼群算法的智能无人车局部自动避碰流程图；图10为为无人智能车不同时刻测试图，(a)发车区，(b)停车区，(c)运行到中段。具体实施方式下面结合附图对本专利技术的技术方案作进一步的说明，但并不局限于此，凡是对本专利技术技术方案进行修改或者等同替换，而不脱离本专利技术技术方案的精神和范围，均应涵盖在本专利技术的保护范围中。本专利技术提供了一种基于量子狼群算法的无人驾驶智能车自动避碰方法，如图9所示，所述方法包括如下步骤：步骤一、采用环境传感器在一定距离内(大约在10米以内的实验平台搭建)对智能车周围环境进行扫描，配以多传感器数据融合算法处理的障碍物传感器数据，通过Gmapping开源算法包建立环境地图，所述环境地图包含障碍物距离、形状、大小等可用信息。本步骤中，根据技术指标，环境传感器选用相位激光雷达、单点激光测距模块和超声波模块组合的方案。本步骤中，选择多传感器组合(相位激光雷达、单点激光测距模块、超声波模块、光电码盘、陀螺仪、加速度计)，结合每种传感器的优缺点，取长补短，实现多维度的障碍物信息采集。本步骤中，相位激光雷达选用LS03系列LS03ALS03B型号，该激光雷达扫描方式为单波束360°旋转，因此测量角度可以达到360°，光源范围792nm，测量范围0.15～40m；单点激光测距雷达TF02拥有可达22m的量程和更稳定的测距性能。本步骤中，建立环境模型，首先第一步需要完成对环境模型的表示。环境建模的基础建立在对环境特征提取和知识表达的方式之上，这一基础奠定了系统储存、利用和获取知识的途径。其次，能够提供给智能车进行路径规划的主要可用信息是创建的地图，所以地图所包含的信息量一定要有利于处理器理解和计算，而且当提取到新的环境信息时，需要能够方便的融合到已有的地图信息中。智能车导航算法相关的领域经常见到的环境模型有平面模型和三维模型，其中平面模型可细分为占据栅格模型、几何模型、拓扑模型。三维模型可细分为三维几何模型和可视化模型。在占据栅格模型中，有一种衍生算法被称为SLAM(simultaneouslocalizationandmapping)即时定位与地图构建算法，这是基于占据栅格模型的理论提出的增量式环境地图构建方法。当选用了激光雷达为环境传感器时，细分为激光SLAM算法，同时也是基于贝叶斯估计的方法。本专利技术中根据激光雷达对环境采集的数据处理方法选用Gmapping算法构图，Gmapping是基于滤波SLA本文档来自技高网...

【技术保护点】
1.一种基于量子狼群算法的无人驾驶智能车自动避碰方法，其特征在于所述方法包括如下步骤：/n步骤一、采用环境传感器对智能车周围运行环境和障碍物信息进行扫描，配以多传感器数据融合算法处理的障碍物传感器数据，通过G mapping开源算法包建立环境地图；/n步骤二、基于步骤一环境传感器对现有周围环境的检测，使用优化的A*算法在步骤一建立的环境地图上进行启发式搜图，获取无人驾驶智能车目前到达目标点的全局最优初始路径；/n步骤三、基于步骤二所建立的全局最优初始路径，在无人智能车行驶过程中借助传感器采集数据，使用优化的联合卡尔曼算法对传感器采集的数据进行融合，使用融合后的障碍物距离数据对环境地图中的元素数据进行实时修正；/n步骤四、在无人智能车按照全局最优初始路径安全行驶过程中，当距离信息正确时，使用PID控制策略对执行机构进行控制，进而实现路径的跟随；当出现距离障碍物距离小于2米的情况时，以目标路径最短为目标函数，对障碍物进行二次采集，执行基于量子狼群算法的智能车紧急避障策略，依据量子狼群算法的具体运算流程，得到目标函数的最优解，确定能使智能车以行驶路径最短为原则避开障碍物最优的避障转角和恢复原有路径的角度，完成智能无人车的局部避碰过程，并将此数据融合到环境地图信息中，对障碍物距离数据进行更新，使用优化的A*算法根据此时智能车位置重新进行路径规划。/n...

【技术特征摘要】
1.一种基于量子狼群算法的无人驾驶智能车自动避碰方法，其特征在于所述方法包括如下步骤：
步骤一、采用环境传感器对智能车周围运行环境和障碍物信息进行扫描，配以多传感器数据融合算法处理的障碍物传感器数据，通过Gmapping开源算法包建立环境地图；
步骤二、基于步骤一环境传感器对现有周围环境的检测，使用优化的A*算法在步骤一建立的环境地图上进行启发式搜图，获取无人驾驶智能车目前到达目标点的全局最优初始路径；
步骤三、基于步骤二所建立的全局最优初始路径，在无人智能车行驶过程中借助传感器采集数据，使用优化的联合卡尔曼算法对传感器采集的数据进行融合，使用融合后的障碍物距离数据对环境地图中的元素数据进行实时修正；
步骤四、在无人智能车按照全局最优初始路径安全行驶过程中，当距离信息正确时，使用PID控制策略对执行机构进行控制，进而实现路径的跟随；当出现距离障碍物距离小于2米的情况时，以目标路径最短为目标函数，对障碍物进行二次采集，执行基于量子狼群算法的智能车紧急避障策略，依据量子狼群算法的具体运算流程，得到目标函数的最优解，确定能使智能车以行驶路径最短为原则避开障碍物最优的避障转角和恢复原有路径的角度，完成智能无人车的局部避碰过程，并将此数据融合到环境地图信息中，对障碍物距离数据进行更新，使用优化的A*算法根据此时智能车位置重新进行路径规划。


2.根据权利要求1所述的基于量子狼群算法的无人驾驶智能车自动避碰方法，其特征在于所述步骤一中，环境传感器选用相位激光雷达、单点激光测距模块和超声波模块组合的方案。


3.根据权利要求2所述的基于量子狼群算法的无人驾驶智能车自动避碰方法，其特征在于所述相位激光雷达选用LS03系列LS03ALS03B型号。


4.根据权利要求1所述的基于量子狼群算法的无人驾驶智能车自动避碰方法，其特征在于所述单点激光测距模块选用单点激光测距雷达TF02型号。


5.根据权利要求1所述的基于量子狼群算法的无人驾驶智能车自动避碰方法，其特征在于所述步骤二中，优化的A*算法在传统的A*算法的基础上，将8邻域搜索扩展到24个邻域，并引入新的启发函数描述节点扩展之后的代价，假设单位节点代价函数C，改进后的启发式函数h(n)如下：
若|ny-goaly|≥|nx-goalx|：



若|ny-goaly|＜|nx-goalx|：



式中，nx，ny表示横轴和竖轴的当前点坐标，goalx,goaly表示横轴和竖轴的目标点坐标。


6.根据权利要求1所述的基于量子狼群算法的无人驾驶智能车自动避碰方法，其特征在于所述步骤三中，...

【专利技术属性】
技术研发人员：刘洪丹，刘胜，张兰勇，丁一轩，李冰，李芃，孙玥，
申请(专利权)人：哈尔滨工程大学，
类型：发明
国别省市：黑龙;23