一种用于自动驾驶车辆的避障路径规划方法技术

本发明专利技术公开了一种用于自动驾驶车辆的避障路径规划方法，按如下步骤进行：步骤A、对A

【技术实现步骤摘要】
一种用于自动驾驶车辆的避障路径规划方法


[0001]本专利技术涉及路径规划
，特别涉及一种用于自动驾驶车辆的避障路径规划方法。

技术介绍

[0002]随着自动驾驶技术的不断发展，路径规划已经成为众多学者研究的热点问题，其主要思路是根据能耗、路程、时间等性能指标，在已知车辆的起始状态、目标状态、和环境中障碍物的前提下，规划出一条由起始位置到目标位置的满足车辆动力学约束的无碰撞最优路径。
[0003]路径规划又可以分为两大类，分别是全局路径规划和局部路径规划。在环境已知情况下搜索全局最优路径是全局路径规划，在环境未知情况下的避障路径规划是局部路径规划。目前常用的路径规划算法有：A*算法(A
‑
star算法)、神经网络、遗传算法、粒子群算法、蚁群算法、人工势场法等。人工势场法是由Khatib于1986年提出的，其思想是通过障碍物的斥力场和目标的引力场共同作用形成虚拟的势场，通过势函数的叠加搜索一条避开障碍物的路径。但是人工势场法仍然存在局部最优、路径振荡以及无法到达目标点等问题。因此针对人工势场法在遇到大型障碍物时路径振荡和规划失败的问题，利用局部栅格法结合A
‑
star算法完成大型障碍物的避障，相比A
‑
star算法花费时间更少，但是上述算法规划的路径较长，并不是最优的路径。

技术实现思路

[0004]本专利技术的目的在于，提供一种用于自动驾驶车辆的避障路径规划方法。本专利技术可以在复杂环境中更快的规划出一条无碰撞且平滑的自动驾驶车辆路径，具有路径生成时间更短，效率更高的优点。
[0005]本专利技术的技术方案：一种用于自动驾驶车辆的避障路径规划方法,包括A
‑
star算法和人工势场法，按如下步骤进行：
[0006]步骤A、对A
‑
star算法进行改进形成二次A
‑
star算法，用于缩短路径长度，提高路径规划安全性；
[0007]步骤B、采用正反向交替搜索机制对人工势场法加以改进，形成双向人工势场法，通过双向人工势场法完成双向的路径规划，提高搜索效率；
[0008]步骤C、规划路径时，利用二次A
‑
star算法和双向人工势场法结合共同进行，同时对二次A
‑
star算法和双向人工势场法在切换时的连接处进行优化，最后利用贝塞尔曲线优化二次A
‑
star算法和双向人工势场法共同规划的路径，使其符合车辆的行驶轨迹。
[0009]上述的自动驾驶车辆的避障路径规划方法，步骤A中，所述的二次A
‑
star算法是在A
‑
star算法得到路径以及父节点邻域中子节点的代价值后，选取与路径起点不相邻、代价值最小的子节点作为新的父节点，若路径起点与新的父节点之间不存在障碍物同时此时代价值也是最小，则更新路径剔除中间的父节点，并进入下一次搜索；反之，则不更新路径；通
过不断循环搜索，直至找到一条从起点到目标点的路径。
[0010]前述的自动驾驶车辆的避障路径规划方法，步骤B中，双向人工势场法是增设从终点出发的虚拟车辆，与起点出发的车辆相向而行，避免了出现在目标点附近的障碍物所导致的目标位置无法到达问题，从而完成由起点至终点的无碰撞路径规划。
[0011]前述的自动驾驶车辆的避障路径规划方法，所述双向人工势场法路径规划的终止条件包括如下：
[0012]条件(a)、在正向和反向寻路过程中，均实现到达当前目标点；
[0013]条件(b)、正反向行驶的车辆均受力平衡，位置已经不再发生变化，且未抵达当前目标点；
[0014]条件(c)、正反向寻路过程中遇到大型障碍物，随受力尚未平衡但在相同的位置反复振荡，且未抵达当前目标点；
[0015]当满足上述条件(a)(b)或(c)的任意一个时，双向人工势场法运行终止，用于缩短搜索时间。
[0016]前述的自动驾驶车辆的避障路径规划方法，所述双向人工势场法进行路径规划是分别把路径的起点A和终点B作为正反向搜索的初始位置；正向搜索开始时，以A为起始点，B为目标点，获得下一路径点A1；然后开始反向搜索，以B为起始点，以刚刚获得的正向路径点A1为目标点进行路径规划，此时获得下一路径点B1，以此完成一次交替搜索，如此循环交替前进，直至正反向搜索到相同的路径点，相遇点与两端点之间的路径即最终所求的双向人工势场路径。
[0017]前述的自动驾驶车辆的避障路径规划方法，步骤S3中，所述的连接处优化是根据二次A
‑
star算法中栅格，将一个栅格分为四个完全相同的小方格，然后根据双向人工势场法路径的前进方向以及终止点在四个小方格中所处的位置确定二次A
‑
star算法的起始点以及目标点，确保二次A
‑
star算法和双向人工势场法的连接处路径规划合理。
[0018]前述的自动驾驶车辆的避障路径规划方法，步骤S3中，所述的连接处优化是在双向人工势场法由于出现路径点反复振荡现象而终止后，选取包括终止点在内的最后三个路径点，并将他们从路径点中删除，计算得到以三点的坐标为顶点的三角形的外心坐标，并根据该点位置选取二次A
‑
star算法的起始点和目标点，从而避免影响运行结果。
[0019]前述的自动驾驶车辆的避障路径规划方法，步骤S3中，所述的连接处优化是针对优先陷入局部极小值陷阱的车辆，不再更新其路径，若一段时间内它能脱离该位置，则继续更新其路径。
[0020]前述的自动驾驶车辆的避障路径规划方法，步骤S3中，所述的连接处优化是在双向人工势场法进行路径规划时，不断调整参数，充分考虑车辆的宽度；当二次A
‑
star算法后，对各个障碍物之间的距离进行计算，若距离小于车辆的宽度，则在障碍物之间增加虚拟障碍物，避免二次A
‑
star算法进行错误的路径规划。
[0021]与现有技术相比，本专利技术通过先对传统A
‑
star算法和人工势场法进行改进，形成二次A
‑
star算法和双向人工势场法；在规划路径时，利用二次A
‑
star算法和双向人工势场法结合共同进行，同时对二次A
‑
star算法和双向人工势场法在切换时的连接处进行优化，最后利用贝塞尔曲线优化二次A
‑
star算法和双向人工势场法共同规划的路径，使其符合车辆的行驶轨迹。通过仿真结果表明，本专利技术可以在复杂环境中更快的规划出一条无碰撞且
平滑自动驾驶车辆路径，具有路径生成时间更短，效率更高的优点。本专利技术由于人工势场法存在无法避免的陷入局部极小值陷阱的问题，同时路径也会出现振荡现象，导致无法生成完整的路径，因此本专利技术将二次A
‑
star算法和双向人工势场法进行结合，在自动驾驶车辆陷入局部极小值陷阱后，利用二次A
‑
star算法完成路径规划。通过仿真结果表本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.用于自动驾驶车辆的避障路径规划方法,包括A
‑
star算法和人工势场法，其特征在于：按如下步骤进行：步骤A、对A
‑
star算法进行改进形成二次A
‑
star算法，用于缩短路径长度，提高路径规划安全性；步骤B、采用正反向交替搜索机制对人工势场法加以改进，形成双向人工势场法，通过双向人工势场法完成双向的路径规划，提高搜索效率；步骤C、规划路径时，利用二次A
‑
star算法和双向人工势场法结合共同进行，同时对二次A
‑
star算法和双向人工势场法在切换时的连接处进行优化，最后利用贝塞尔曲线优化二次A
‑
star算法和双向人工势场法共同规划的路径，使其符合车辆的行驶轨迹。2.根据权利要求2所述的用于自动驾驶车辆的避障路径规划方法，其特征在于：步骤A中，所述的二次A
‑
star算法是在A
‑
star算法得到路径以及父节点邻域中子节点的代价值后，选取与路径起点不相邻、代价值最小的子节点作为新的父节点，若路径起点与新的父节点之间不存在障碍物同时此时代价值也是最小，则更新路径剔除中间的父节点，并进入下一次搜索；反之，则不更新路径；通过不断循环搜索，直至找到一条从起点到目标点的路径。3.根据权利要求1所述的用于自动驾驶车辆的避障路径规划方法，其特征在于：步骤B中，双向人工势场法是增设从终点出发的虚拟车辆，与起点出发的车辆相向而行，避免了出现在目标点附近的障碍物所导致的目标位置无法到达问题，从而完成由起点至终点的无碰撞路径规划。4.根据权利要求3所述的用于自动驾驶车辆的避障路径规划方法，其特征在于：所述双向人工势场法路径规划的终止条件包括如下：条件(a)、在正向和反向寻路过程中，均实现到达当前目标点；条件(b)、正反向行驶的车辆均受力平衡，位置已经不再发生变化，且未抵达当前目标点；条件(c)、正反向寻路过程中遇到大型障碍物，随受力尚未平衡但在相同的位置反复振荡，且未抵达当前目标点；当满足上述条件(a)(b)或(c)的任意一个时，双向人工势场法运行...

【专利技术属性】
技术研发人员：李强，丁伟奇，张新闻，付中元，任迪梦，
申请(专利权)人：浙江科技学院，
类型：发明
国别省市：