原文传递
无人车全局路径规划与局部避障方法研究
| 论文题名： | 无人车全局路径规划与局部避障方法研究 |
| 关键词： | 无人车;全局路径规划;局部避障;轨迹集合 |
| 摘要： | 随着近几年科技的发展，无论是城市道路的自动驾驶、复杂路况中的军方补给，还是仓储快递物流运输，无人车都发挥着十分重要的作用。路径规划作为无人车的核心技术，更加成为人们关注的焦点。 无人车的全局路径规划，是在全局环境中规划出一条从起始点到目标区域的无碰撞路径。无人车将这条路径作为参考路径，在沿其向前行驶的过程中，周边环境并非是一成不变的，此时需要无人车利用自身的传感器，实时感知周边一定范围内的局部环境变化，进而对各种突现障碍物进行躲避，完成局部避障任务。针对这种复杂多变环境，本文提出一种全局路径规划和局部避障相结合的方法，使无人车高效、安全地完成此类环境中的行驶任务。本文的主要研究内容如下: 首先，无人车的全局路径规划部分。针对传统算法中存在的盲目随机搜索，以及收敛速度慢的问题，本文设计了基于限制采样渐进最优快速扩展随机树的全局路径规划算法，并提出一种基于K-D树的节点搜索改进策略，在更高效规划的基础上，得到一条相对更优路径。针对该类路径规划算法所得路径存在尖锐拐角的缺陷，提出一种基于三次B样条曲线的路径后处理方法，减少尖峰，将所得平滑曲线作为局部避障部分的参考路径。通过仿真实验验证了本文改进算法与传统算法在路径最优性与规划效率方面的提升，并在多种经典场景验证了算法的有效性。 其次，无人车的局部避障部分。针对笛卡尔坐标系下，难以描述无人车与参考路径相对位置关系的问题，设计了一种基于Frenet坐标系的局部避障轨迹规划算法。本文将局部避障问题引入Frenet坐标系下进行解耦，在横向和纵向分别对车辆的一系列末状态参数采样，利用五次多项式生成局部避障轨迹集合。 最后，无人车局部避障的轨迹择优部分。本文在密集采样的前提下提出一种多条件筛选机制，筛除超出限制条件的部分轨迹，改进传统方法中多次无用计算的弊端。然后将剩余轨迹加入备选轨迹集合，根据代价函数择优输出最优轨迹。针对传统代价函数中，障碍物威胁系数难以确定，以及算法在多重因素的影响下输出轨迹非最优解的问题，本文提出一种基于三重安全包围圆的碰撞检测算法，重新构造代价函数，利用具有迭代择优性质的碰撞检测筛选机制，使最终避障轨迹趋向最优解。通过仿真验证了本文改进局部避障方法在运算效率与路径更优性方面的提升。 |
| 作者： | 刘依卓 |
| 专业： | 仪器科学与技术 |
| 导师： | 刘利强 |
| 授予学位： | 硕士 |
| 授予学位单位： | 哈尔滨工程大学 |
| 学位年度： | 2021 |
检索历史
应用推荐
