一种融合SA-GAO与AW-DWA算法的自动驾驶车辆路径规划方法技术

本发明专利技术提供一种融合SA‑GAO与AW‑DWA算法的自动驾驶车辆路径规划方法，利用模拟退火算法SA对巨型犰狳算法GAO进行改进，以改进后的SA‑GAO算法对车辆的全局路径进行规划；并采用自适应权重动态窗口AW‑DWA算法进行车辆局部路径规划；通过在全局路径上选取若干关键点作为动态窗口法的候选子目标点，实现车辆避开随机动态障碍物并返回至全局最优路径上。

【技术实现步骤摘要】

本专利技术属于自动驾驶车辆路径规划及其数值仿真，具体涉及一种融合sa-gao与aw-dwa算法的自动驾驶车辆路径规划方法。

技术介绍

1、智能交通体系的构建为解决未来道路交通问题带来了新的思路，而自动驾驶车辆作为其重要的组成部分，因其智能程度高、控制精度高等优点，近些年来在全世界范围内备受关注。自动驾驶车辆根据其对运行环境信息的感知程度，通常采用以下两种路径规划算法：全局路径规划算法和局部路径规划算法。全局路径规划算法需要预先获取全局环境中的所有信息，并依此来进行车辆的全局性静态路径规划；局部路径规划算法则主要依靠车载传感器或gps定位系统实时采集车辆周边的环境信息，确定本车及周围障碍物的位置及运动数据，再结合整个环境地图来实施车辆避障的局部动态路径规划。常用的全局路径规划算法包括rrt算法、prm算法、dijkstra算法、a*算法等。不过这些传统算法所得路径的曲折度较高、不确定性较强且规划效率还有待提高。巨型犰狳算法(giantarmadillooptimization,gao)是一种新近出现的智能寻优算法，该算法在搜索解过程中表现出强大的探索、开发及本文档来自技高网...

【技术保护点】

1.一种融合SA-GAO与AW-DWA算法的自动驾驶车辆路径规划方法，其特征在于：利用模拟退火算法SA对巨型犰狳算法GAO进行改进，以改进后的SA-GAO算法对车辆的全局路径进行规划；并采用自适应权重动态窗口AW-DWA算法进行车辆局部路径规划；通过在全局路径上选取若干关键点作为动态窗口法的候选子目标点，实现车辆避开随机动态障碍物并返回至全局最优路径上。

2.根据权利要求1所述的基于一种融合SA-GAO与AW-DWA算法的自动驾驶车辆路径规划方法，其特征在于：AW-DWA算法以SA-GAO算法输出的E个全局路径关键点作为其子目标点，从车辆起始点Qs(Xs,Ys)向算法当前第一...

【技术特征摘要】

1.一种融合sa-gao与aw-dwa算法的自动驾驶车辆路径规划方法，其特征在于：利用模拟退火算法sa对巨型犰狳算法gao进行改进，以改进后的sa-gao算法对车辆的全局路径进行规划；并采用自适应权重动态窗口aw-dwa算法进行车辆局部路径规划；通过在全局路径上选取若干关键点作为动态窗口法的候选子目标点，实现车辆避开随机动态障碍物并返回至全局最优路径上。

2.根据权利要求1所述的基于一种融合sa-gao与aw-dwa算法的自动驾驶车辆路径规划方法，其特征在于：aw-dwa算法以sa-gao算法输出的e个全局路径关键点作为其子目标点，从车辆起始点qs(xs,ys)向算法当前第一个子目标点进行局部规划，并记录下规划得到的各路径点信息；再从当前子目标点向算法下一个子目标点进行局部规划，并记录下规划得到的各路径点信息；重复使用aw-dwa算法对剩下的子目标点依次进行规划，直至到达设定的最终目标点qe(xe,ye)，最后输出完整的路径信息。

3.根据权利要求1所述的一种融合sa-gao与aw-dwa算法的自动驾驶车辆路径规划方法，其特征在于：

4.根据权利要求3所述的一种融合sa-gao与aw-dwa算法的自动驾驶车辆路径规划方法，其特征在于：

5.根据权利要求1所述的一种融合sa-gao与aw-dwa算法的自动驾驶车辆路径规划方法，其特征在于：

6.根据权利要求5所述的一...

【专利技术属性】
技术研发人员：陈志勇，叶兴柱，王博，
申请(专利权)人：福州大学，
类型：发明
国别省市：