原文传递
基于APF引导的RRT算法路径规划研究
| 论文题名： | 基于APF引导的RRT算法路径规划研究 |
| 关键词： | 汽车无人驾驶系统;路径规划;快速随机搜索树算法;人工势场法 |
| 摘要： | 近年来，无人驾驶技术发展迅猛，成为了当下研究的热点和难点，无人驾驶技术具体又可以细分为感知、决策和规划三大模块，而规划则是其中的重点和难点，规划模块的任务是基于车辆当前所处的环境信息和状态信息规划出一条从起始点到目标点的最优路径，此外，需要考虑车辆行驶的安全性，保证车辆行驶过程的无碰撞，无人车避障路径的优劣将直接影响车辆的安全性和实效性。常见的路径规划算法有遗传算法，A*算法，快速随机搜索树算法（RRT算法），人工势场法（APF算法），蚁群算法等等。 针对路径规划过程中搜索路径质量不高，搜索效率差的问题，本文分别对APF算法和RRT算法进行分析和优化，并提出了APF引导的RRT算法，具体内容如下： 介绍分析经典的APF算法，并对其势力场建模，分析车辆在势力场中的受力，针对人工势场法规划过程中会陷入局部最优解及避障实时性不高的问题，提出了一个两层避障网络：其中，第一层为预筛选网络，通过该层对路面目标进行筛选，剔除对行驶没有影响的目标，提高计算效率；第二层对经典的人工势场法进行改进，添加局部时变的切向力势场，解决其会陷入局部最优及目标不可达的问题。 分析介绍经典的RRT算法，RRT算法的核心是建立一棵随机树，通过随机采样的方式扩张随机树的枝干，最终生成一条无碰的路径。其主要存在的问题是搜索路径质量不高且非最优，搜索代价过大，迭代效率慢等问题。针对这样的问题，本文提出了改进的RRT算法，通过建立约束范围内的父节点重选策略和随机树剪枝方法，并基于三角形原理和最小转弯半径约束对路径进行优化，改进后的RRT算法可以在降低搜索代价的同时规划出路径更短更平滑的安全路径。 最后，对两种算法的融合策略的可行性进行分析，并进行仿真建模，验证APF引导RRT算法的实际效果。 实验结果表明，APF引导RRT算法规划出的路径优化效果显著，在有效解决了两个算法自身存在的缺陷的基础上了，可以规划出路径质量更高的路径，同时保持更高的搜索效率。 |
| 作者： | 刘浩伟 |
| 专业： | 车辆工程 |
| 导师： | 刘文光 |
| 授予学位： | 硕士 |
| 授予学位单位： | 江苏大学 |
| 学位年度： | 2022 |
检索历史
应用推荐
