【技术实现步骤摘要】
本专利技术涉及车辆路径规划领域，特别涉及一种适用于矿用电铲行走的路径规划方法。
技术介绍
1、自动驾驶正是当今社会最为火热的话题之一，尤其在工业领域备受关注。无人驾驶不仅可以降低人员事故的发生率，同时可以极大的提高生产率，将人们从恶劣的工作环境中解放出来。工程车辆的无人化就是实现上述目标的方法之一，而工程车辆的无人化可分为两部分，其一是自主行驶，其二是自主生产。对于工程车辆的自主行驶也可分为两步：路径规划与跟踪控制。
2、工作区域的路径规划是实现工程车辆自主行驶的前提。以露天矿用电铲为例，相较于其他工程车辆，矿用电铲自身存在着诸如：自身质量大、倒车困难、小半径转向时有脱轨风险等问题。
3、现有的路径规划方法，如a*算法、快速搜索随机树(rrt)、可视图、蚁群算法等算法所规划出的路径存在着路径不平滑且不满足电铲运动学约束，其次不能设定电铲到达目标位置的航向角；而对于像混合a*算法以及动态窗口算法，规划的路径虽然满足运动学约束，但也存在着规划时间过长、无法规划、存在倒退路径等情况。结合上述分析和电铲行走机构，电铲的路径规划方法需要满足运动学约束、设定到达目标点的航向角和加快搜索速度等要求。
4、因此，为实现矿用电铲的自主行走，需要一种考虑电铲运动特性的路径规划方法。
技术实现思路
1、本专利技术的目的在于提供一种适用于矿用电铲行走的路径规划方法，解决了现有技术存在的规划时间过长、存在倒退路径以及不能指定到达目标点航向角等问题。使用本专利技术方法规划的
2、本专利技术的上述目的通过以下技术方案实现：
3、适用于矿用电铲行走的路径规划方法，使用该方法规划的路径完全满足电铲的运动学要求。使用该方法可以极大的避免在进行路径规划时出现倒退路径的情况，可在保证电铲到达目标点时航向和位置精度的情况下，尽量保持前进状态，其特征在于：包括如下步骤：
4、步骤1、基于获取到的电铲可行区域的定位信息，使用改进型可视图算法规划一条从起始点到目标点的最短路径；此处规划的最短路径为折线路径；
5、步骤2、基于步骤1可视图算法规划出的最短折线路径，使用改进型混合a*算法重新规划一条满足运动学约束的行驶路径；
6、步骤3、对步骤2规划出的满足运动学约束的路径，使用共轭梯度算法和三次b样条曲线进行平滑处理，使之既能满足运动学约束，又不至于使路径过于弯曲；
7、步骤4、在距离目标点n×step距离时进行判断，是否存在满足要求的无后退路径，即dubin曲线，如果不存在则使用动态窗口算法规划到目标点，以此满足电铲到达目标点的航向与位置精度要求；其中，step为探索步长，n为步长的系数。
8、将对以上四个步骤进行进一步介绍，所述的步骤1基于可行区域的定位信息使用可视图算法进行最短路径规划，具体包括：
9、步骤1.1：提取规划环境中的大障碍物(即障碍物的长度大于混合a*的探索步长的4倍)的顶点位置信息vo＝{vo1，vo2，vo3…}，以及车辆的起点strat以及终点goal，将这些点相互连接，且连接线不能穿越大障碍物(可以穿越小障碍物)，即保证连接线相对于大障碍物是“可视的”；
10、步骤1.2：保留下“可视的”连接线后，使用最短路径算法从所有连接线中找到一条到达目标点goal的最短路径，此处对所用的最短路径算法不做限制，在本专利技术中使用dijkstra(迪杰斯特拉)算法，由此便得到了最短路径的路径点vp＝{v1，v2，v3…vk}，其中v1为起点strat，vk为终点goal。
11、步骤2.1、计算步骤1得到的最短路径的路径点vp的每一个点的航向角，可根据θi＝arctan(vi-vi-1)来计算，每个路径点的维度可表示为vi＝[xi，yi，θi]；
12、步骤2.2、将每一个路径点作为混合a*算法探索过程中的局部目标点，通过不断更新局部目标点，引导混合a*算法规划出一条从起点到终点的路径，在混合a*规划之前需要预先设定最小转向半径rmin以及探索步长step，同时还需要设置每一步探索的方向数m，为防止电铲到达目标点需要倒车的情况，需在距离目标点n×step的距离暂停规划，其中n为步长的系数，读者可根据设备的大小自由选取，本专利技术给与建议数据：n取值为2～5，其每一步代价函数fh(k)可以表示为：
13、fh(k)＝gh(k)+hh(k)
14、其中，gh(k)和hh(k)计算方式如下：
15、
16、式中，gh(k)的计算方式为从起始点到当前点行走过的距离，同时还加入了一项角度惩罚项，即当前时刻与上一时刻角度车辆的朝向差值，δ是角度惩罚系数。lrs表示当前位置到目标点之间rs曲线长度(考虑运动约束，不考虑障碍物)，la则表示当前位置到目标点a*算法寻找到的最短路径长度(考虑障碍物，不考虑运动约束)。而对于期望代价hh(k)就是比较lrs和la的大小，选择较大的一个。如此便得到了混合a*算法的代价函数，探索时分别计算每一步节点的fh(k)，选择最小的一个作为下一步探索的起点。
17、步骤3.1、记录步骤2.2中每个步长的最后一点xi＝[xi，yi]，得到路径点集合x＝{x1，x2，x3，…，xn}，n为路径点的个数；
18、步骤3.2、定义以下变量：(1)oi为障碍物的位置；(2)δxi＝xi-xi-1，为路径点位移量；路径点角度变化量。最终目标函数可表示为：
19、
20、其中，dmax为电铲与障碍物安全距离，κmax为规划路径的最大曲率，大小取决于电铲的转向半径，而σo、σκ分别表示碰撞惩罚系数以及曲率惩罚系数。ωo、ωκ和ωs分别表示各项的权重系数，第一项表示电铲与障碍物的碰撞惩罚项。第二项表示对路径曲率的惩罚项。第三项是衡量路径平滑度；
21、步骤3.3、为保证共轭梯度的快速实现，需成本函数f具有良好梯度，且在xi是可导的，对于碰撞惩罚系数σo＝(|(xi-oi)|-dmax)2，当|(xi-oi)|≤dmax
22、
23、对于顶点i处的曲率大小，需要对影响i点的相邻顶点求导，即xi-1、xi和xi+1。则切线角度变化量可表示为：
24、
25、以及上述三点对应的曲率导数为：
26、
27、
28、
29、其中
30、
31、为了更好的表示引入正交补码，如下：
32、
33、标准化正交补码：
34、
35、依据上一行的公式，可将导数表示为：
36、
37、
38、经过共轭梯度处理后，路径点x被平滑为xc＝{xc1，xc2，xc3...xcn}；<本文档来自技高网...
【技术保护点】
1.一种适用于矿用电铲行走的路径规划方法，其特征在于：包括如下步骤：
2.根据权利要求1所述的适用于矿用电铲行走的路径规划方法，其特征在于：步骤1所述的最短路径的规划方法包括：
3.根据权利要求1所述的适用于矿用电铲行走的路径规划方法，其特征在于：步骤2所述的使用改进型混合A*算法重新规划一条满足运动学约束的行驶路径，具体是：
4.根据权利要求1所述的适用于矿用电铲行走的路径规划方法，其特征在于：步骤3所述的使用共轭梯度算法和三次B样条曲线进行平滑处理，具体是：
5.根据权利要求1所述的适用于矿用电铲行走的路径规划方法，其特征在于：步骤4所述的判断是否存在满足要求的无后退路径，具体是：
【技术特征摘要】
1.一种适用于矿用电铲行走的路径规划方法，其特征在于：包括如下步骤：
2.根据权利要求1所述的适用于矿用电铲行走的路径规划方法，其特征在于：步骤1所述的最短路径的规划方法包括：
3.根据权利要求1所述的适用于矿用电铲行走的路径规划方法，其特征在于：步骤2所述的使用改进型混合a*算法重新规划一条满...
【专利技术属性】
技术研发人员：吴国华，毕秋实，王国强，王勇澎，岳海峰，李光，张永明，
申请(专利权)人：吉林大学，
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。