原文传递
RRT*算法的改进及其在无人驾驶车辆路径规划中应用研究
| 论文题名： | RRT*算法的改进及其在无人驾驶车辆路径规划中应用研究 |
| 关键词： | 无人驾驶车辆;路径规划;贝塞尔曲线;快速扩展随机树算法 |
| 摘要： | 随着人工智能和5G技术的快速发展，无人驾驶技术得到快速地提升，给汽车工业带来了革命性的变化，无人驾驶技术对解决交通拥堵和环境污染等问题有着显著的改善，能有效减少人为操作导致的交通事故，提高安全性。路径规划作为无人驾驶车辆的关键技术之一，受到高校和科研院所的广泛关注。本文将快速扩展随机树（RRT*）作为路径规划的基础算法，针对该算法无法规划满足车辆运动学约束的路径、搜索效率低和规划路径质量差等问题进行优化和改进研究，使其能生成满足车辆运动学约束的可行性路径。 （1）详细阐述了无人驾驶车辆的模型构建、描述无人驾驶车辆路径规划问题的定义，以及明确无人驾驶车辆路径规划的设计标准，介绍了车辆导航常用的三种地图，进行相关介绍对比，选择栅格地图作为地图模型，为后续的无人驾驶车辆路径规划算法的研究奠定基础。 （2）对RRT和RRT*算法进行详细分析，针对算法盲目扩展、搜索效率低等问题，提出改进RRT*路径规划算法，将高斯采样策略、目标偏置和随机采样相结合的机制拉扯随机树向目标点生长，人工势场法使生成新节点更加偏向目标点，分别在初始位置和目标位置同时扩展两棵随机树，提高搜索速度，减少扩展的盲目性。找到初始路径后，采用启发式采样，优化采样空间，优化路径质量。对最终生成的路径采用路径优化函数以及连续三阶贝塞尔分段曲线进行处理，进一步提高规划路径质量，使生成的路径符合车辆曲率连续有界、运动学等约束的可行性路径。在三种不同的环境下对RRT*和改进RRT*算法进行仿真对比，基于路径长度、规划时间、路径曲率指标，通过仿真对比实验证明改进算法的有效性和优越性。 （3）利用Simulink和Prescan联合仿真，在Prescan车辆仿真软件中搭建特定场景，对改进RRT*算法进行试验验证。然后在实车平台上对路径规划算法进行试验验证。结果表明改进后的RRT*算法无论是在仿真道路场景还是在实际场景中都能较好地完成路径规划任务，满足无人驾驶车辆的运动学约束。 |
| 作者： | 于海涛 |
| 专业： | 车辆工程 |
| 导师： | 姜平 |
| 授予学位： | 硕士 |
| 授予学位单位： | 合肥工业大学 |
| 学位年度： | 2022 |
相关文献
检索历史
应用推荐
