【技术实现步骤摘要】
基于RRT算法的仿生模拟植物向光性全局路径规划方法
[0001]本专利技术属于及智能驾驶汽车和移动机器人的全局路径规划
,具体涉及一种基于RRT算法的仿生模拟植物向光性全局路径规划方法。
技术介绍
[0002]随着人工智能、5G技术的发展世界迎来了无人化、智能化发展浪潮,无人工厂、无人汽车、智能机器人等正在越来越多的出现在生活中。汽车作为生活中重要的代步工具也日益电子化、智能化。打造智慧交通有利于缓解交通压力、提高通勤效率、降低交通事故的发生。智能驾驶技术主要包括环境感知、导航定位、路径规划与控制决策等。路径规划是智能驾驶中重要的一环,其对智能驾驶技术的发展具有重大意义。
[0003]如今全球各大科研机构和汽车制造商对于智能驾驶技术的研究如火如荼,路径规划是其中不可或缺的一环,而且路径规划效果的优良直接关系到智能车行驶的安全性和舒适性。路径规划指在已知环境下通过算法规划出一条安全、可行的无碰撞路径。路径规划可以分为全局规划和局部规划,全局规划是已知环境中地图信息、静态障碍物信息、起点和终点信息,在地图上规划出一条可以规避静态障碍物的可行路径;局部路径规划主要针对动态避障,其利用激光雷达、摄像头等传感器感知环境中的动态障碍物进行实时避障。
[0004]RRT算法是经典的路径规划算法,其已被广泛的研究,RRT算法常被应用于机器人、无人机和无人车的路径规划中。
技术实现思路
[0005]本专利技术在传统的RRT算法的基础上提出改进,使得算法在静态环境下规划效率更高、路径更加安全合理。主 ...
【技术保护点】
【技术特征摘要】
1.一种基于RRT算法的仿生模拟植物向光性全局路径规划方法,其特征在于,包括以下步骤:步骤一:获取障碍物坐标信息、智能车运动学模型、地图信息、初始化位置信息和获取目标点信息;步骤二:对环境中障碍物进行预处理,对距离较近的障碍物进行合并及膨胀障碍物;步骤三:获取采样点并判断采样点可行性;步骤四:判断障碍物疏密,采用基于安全性评估的可变步长RRT拓展随机树;步骤五:拓展随机树并判断是否到达目标点,如未到达则回到步骤三,如到达则执行下一步骤;步骤六:连线目标点到终点的可行路径,并提取路径中的关键点,进行路径重连接;步骤七:路径优化、平滑路径、完成路径规划。2.根据权利要求1所述的基于RRT算法的仿生模拟植物向光性全局路径规划方法,其特征在于:在步骤一当中,智能车通过包括相机、激光雷达、IMU、GPS进行环境建图或直接获取地图信息;初始化智能车自身位置和地图中障碍物信息,在已知地图中静态障碍物信息是已知的,将其看成矩形,设某一障碍物其横、纵坐标最大、最小值分别为x
max
,x
min
,y
max
,y
min
,则其四个顶点坐标为A(x
min
,y
min
),B(x
max
,y
min
),C(x
max
,y
max
),D(x
min
,y
max
),建立车辆运动学模型并简化,将运动学约束融合进路径规划过程中,使规划的路径满足汽车的行驶要求:并由此整合得到阿克曼转向无人车的运动学方程。3.根据权利要求1所述的基于RRT算法的仿生模拟植物向光性全局路径规划方法,其特征在于:在步骤二中,对环境进行预处理,设无人车的长为a,宽为b;设障碍物均为矩形障碍物,若相邻两个障碍物之间的距离小于等于S1,则填补该空缺,将其合并为同一障碍物;将障碍物表面距离小于S2的区域设定为不可行区域,新节点无法在该区域生成,即认为该区域为不可通行区域,将距离大于等于S2,小于等于S3的区域设定为限制通行区域,新节点在该区域有一定概率生成,即认为该区域为有限通行区域,其中S1、S2、S3公式如下:S1=k
·
b其中,k为大于1的安全系数;其中,k为大于1的安全系数;在各个区域获取采样点的概率P如下式,其中p
o
为设定的概率,k为采样点与障碍物的距离:
4.根据权利要求1所述的基于RRT算法的仿生模拟植物向光性全局路径规划方法,其特征在于:在步骤三当中,采用B
【专利技术属性】
技术研发人员:张卫波,林景胜,黄晓军,丘英浩,陈虎,王单坤,
申请(专利权)人:福州大学,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。