原文传递
动态环境下跟随行驶与避障规划研究
| 论文题名： | 动态环境下跟随行驶与避障规划研究 |
| 关键词： | 无人车;动态环境;跟车行驶;避障规划;深度强化学习 |
| 摘要： | 随着无人驾驶技术的不断发展，基于完整地图信息的路径规划技术已经发展得较为成熟，但还不能完全满足实际的需求。在现实环境中，我们无法依赖先验地图获得完整的信息，仅能获得地图中的部分静态障碍物信息。当无人车处在存在动态障碍物（例如行人、其他车辆等）的动态环境中时，对很多实际任务，如跟随驾驶与动态避障的能力都提出了更高的要求。本文针对动态环境下无人车的跟随行驶和避障规划进行系统的研究，主要工作与创新如下： 第一，针对动态环境下的跟随行驶问题，运用速度障碍法，结合DWA算法实现动态、静态障碍物的避碰，同时通过综合优化目标函数，实现了有效的跟随行驶。本文针对现有的速度障碍法，提出改善障碍物处理，使用矩形来更一般地描述动态、静态障碍物，来更好地贴近实际场景；优化车辆与目标间的距离控制，结合车辆与目标间的距离以及目标的运动速度，确定合适的跟车目标点，优化车辆行驶轨迹与合理的跟随距离；引入DWA算法，对车辆合理范围内的速度进行评价，从而选择避障以及跟车效果最佳的控制指令。同时，本文完成了该避障跟车算法在仿真平台和ROS平台上的集成，在实际场景进行了一系列的实验，取得了较好的效果。 第二，针对动态环境下深度强化学习的避障规划存在收敛速度慢，规划轨迹不合理等问题，结合传统路径规划算法，提出了一种融合全局指导训练的深度强化学习避障导航方法。结合环境中部分已知信息，以及车辆初始位置与目标位置，利用传统算法规划出由一系列路点组成的初始路径，作为深度强化学习的全局指导；在车辆的运动过程中，每一个时刻都根据车辆反馈的运动信息、和路点的相对位置关系，对车辆的运动做出相对应的评价，作为深度强化学习的训练样本；当车辆与障碍物发生碰撞时，根据障碍物不同的分类、车辆与障碍物的相对位置关系，给予无人车不同的惩罚。该方法能够有效地提高深度强化学习的收敛速度，在导航过程中提高车辆的导航效率，同时使得车辆的运动具有环境友好性，降低将对周边环境的影响。 |
| 作者： | 应充圣 |
| 专业： | 电子与通信工程 |
| 导师： | 项志宇;刘卫国 |
| 授予学位： | 硕士 |
| 授予学位单位： | 浙江大学 |
| 学位年度： | 2021 |
检索历史
应用推荐
