基于L2贪婪采样的RT-RRT*全局路径规划方法技术

基于L2贪婪采样的RT‑RRT*全局路径规划方法，它属于自动驾驶车辆路径规划技术领域。本发明专利技术解决了现有方法进行路径搜索所需要的耗时长、路径搜索的收敛速度慢的问题。本发明专利技术的双向搜索框架从起始点和目标点同时构建两棵独立的搜索树来探索状态空间，并设计了L2贪婪采样集，在当前解路径中具有最大启发式估计成本的状态周围定义一个小的椭圆采样区域，来提高采样效率和加速找到改进当前解路径的新状态，通过引入L2贪婪采样集来引导两棵树的搜索方向，可以加快算法整体收敛速度，解决现有方法进行路径搜索耗时长以及收敛速度慢的问题。并结合道路环境约束、障碍物约束和新节点拓展策略，增强规划路径的安全性和平滑性。本发明专利技术方法可以应用于路径规划。

【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，具体涉及一种基于l2贪婪采样的rt-rrt*全局路径规划方法。

技术介绍

1、快速拓展随机树(rrt)及其变体因优秀的拓展性且适合在高维空间中搜索，而在智能汽车中得到广泛应用。虽然rrt算法收敛速度较快，但其路径常常拐点较多，不能直接用于车辆控制。rrt*算法通过增加重选父节点和重布线操作，实现了渐近最优性，但同时也导致了算法收敛速度的下降。针对rrt*算法收敛速度较慢的问题，目前的研究主要围绕以下三个方面展开。一是改进算法的采样策略，增强搜索的引导性，典型代表就是informed-rrt*算法；二是优化重选父节点和重布线操作，代表算法包括quick-rrt*算法(jeong i b,lee s j,kim j h.quick-rrt*:triangular inequality-based implementation of rrt*with improved initial solution and convergence rate[j].expert systems withapplications,2019,12本文档来自技高网...

【技术保护点】

1.基于L2贪婪采样的RT-RRT*全局路径规划方法，其特征在于，所述方法具体包括以下步骤：

2.根据权利要求1所述的基于L2贪婪采样的RT-RRT*全局路径规划方法，其特征在于，所述p1的取值为0.7。

3.根据权利要求2所述的基于L2贪婪采样的RT-RRT*全局路径规划方法，其特征在于，所述p2的取值为0.5。

4.根据权利要求3所述的基于L2贪婪采样的RT-RRT*全局路径规划方法，其特征在于，所述椭圆采样区域GreedyInformedArea(Ts，xgoal)的定义方式为：

5.根据权利要求4所述的基于L2贪婪采样的RT-RRT...

【技术特征摘要】

1.基于l2贪婪采样的rt-rrt*全局路径规划方法，其特征在于，所述方法具体包括以下步骤：

2.根据权利要求1所述的基于l2贪婪采样的rt-rrt*全局路径规划方法，其特征在于，所述p1的取值为0.7。

3.根据权利要求2所述的基于l2贪婪采样的rt-rrt*全局路径规划方法，其特征在于，所述p2的取值为0.5。

4.根据权利要求3所述的基于l2贪婪采样的rt-rrt*全局路径规划方法，其特征在于，所述椭圆采样区域greedyinformedarea(ts，xgoal)的定义方式为：

5.根据权利要求4所述的基于l2贪婪采样的rt-rrt*全局路径规划方法，其特征在于，所述启发式成本的计算方法为：

6.根据权利要求5所述的基于l2贪婪采样的rt-rrt*全局...

【专利技术属性】
技术研发人员：王超，李文彬，
申请(专利权)人：北京信息科技大学，
类型：发明
国别省市：