详情

原文传递越野无人车辆轨迹规划研究

论文题名：	越野无人车辆轨迹规划研究
关键词：	越野无人车辆;轨迹规划;神经网络;最优控制;模型预测;状态空间采样
摘要：	越野无人车辆在军事、矿山等应用场景中具有显著的优势，现有的无人驾驶研究多数针对结构化交通环境，越野环境下的轨迹规划与结构化道路轨迹规划存在较大的差别。在越野环境下车辆需要考虑路面质量和材质，对不同区域进行风险预测，基于这些信息在全局区域中获得优化行驶轨迹，并在行驶过程中对遇到的动态障碍物进行局部避障。本文开展的研究内容如下：　　（1）基于神经网络的环境图像识别和分类。通过建立分类网络模型对环境不同属性的区域给定不同风险系数，最后池化形成栅格地图。在局部规划地图中加入高程元素，提取车辆坐标系下的横向坡度、纵向坡度信息，一方面用于提高车辆运行的舒适程度，另外更重要的是预测车辆是否会发生碰撞和翻滚等危险状况。　　（2）设计模型预测轨迹生成全局规划算法。在轨迹规划中使用模型预测的轨迹生成方法，即基于优化的轨迹生成方法，对优化问题使用了BSGF的求解方式。在全局规划中为了避免规划在狭窄区域陷入局部最优，使用了随机状态点的采样方式，最后结合A的寻优原理搜索出全局轨迹，A算法中的代价函数是将采样轨迹投影到二维的全局风险地图中评价得到。　　（3）设计模型预测轨迹生成局部规划算法。局部轨迹以全局轨迹为参考，保证了局部轨迹生成具有引导方向，所以使用了固定区域的采样方式，提高了规划算法的稳定性。局部规划中将轨迹映射到空间曲面考虑路面坡度、车辆几何模型、车辆运动学等影响。　　（4）为了保证算法的实用性进行了试验设计。以ROS(RobotOperatingSystem)为软件开发平台，引用了感知、定位、控制等非本文设计的算法功能包，最终移植到英伟达计算平台。试验设计了非结构化平面试验场地和越野试验场地，最终试验证明，通过神经网络对环境识别能够用于轨迹规划，基于模型预测轨迹生成的方法可以得到满足车辆模型约束的可行轨迹，并且局部轨迹规划能够实现动态和静态的避障，满足安全和实时性要求。
作者：	龙永文
专业：	机械(车辆工程)
导师：	徐哲
授予学位：	硕士
授予学位单位：	重庆理工大学
学位年度：	2023