基于分段高斯伪谱法的平行自主泊车路径规划

本文中提出一种在不同泊车空间采用分段高斯伪谱法的自主泊车路径规划方法。首先,通过建立车辆运动学模型,结合动力学约束、端点约束和路径避障约束,将自主泊车路径规划问题转换为最优控制问题,而在不同泊车区域内采用分段高斯伪谱法将最优控制问题离散化为非线性问题。接着,以最短泊车完成时间为优化目标函数,采用内点法对非线性问题进行优化求解得到最优泊车路径。然后,在Matlab/Simulink中搭建仿真模型,并设定了5种不同泊车位长度的平行自主泊车工况,其泊车位长度分别为车长的1.1～1.8倍。仿真结果表明,所提出的方法可统一有效对自主泊车路径规划问题进行求解,且与传统伪谱法相比仿真收敛速度更快,泊车时间更短。最后,通过实车试验进一步验证采用所提出方法的有效性。     

一种基于轨迹预判的垂直泊车路径规划算法研究

为解决目前量产自动泊车系统泊车成功率低、泊车完成后车辆姿态偏斜等问题，研究搭建基于阿克曼转向几何学和车辆运动学的车辆运动模型，构建基于可行驶区域的栅格电子地图，在几何路径规划方法中融入基于轨迹预判的碰撞约束方法和路径居中算法，采用车辆膨胀轮廓模型，最大程度利用电子地图可行驶区域和保证路径安全性，设计出一种基于轨迹预判的垂直泊车路径规划算法，并通过仿真测试和实车测试验证算法的可行性。该算法可大大提高泊车成功率，能帮助解决泊车完成后车辆偏斜不居中的问题。     

基于微分平坦的平行泊车路径规划

为提高泊车成功率,降低泊车路径规划耗时,提出基于微分平坦理论的平行泊车路径规划方法。泊车路径满足三类约束:为保证行驶安全,综合考虑可能碰撞情况,建立避障约束函数;为满足停放要求,建立了终点状态的约束函数;为保证路径可跟踪,建立了方向盘角度,转角速度和车速的约束函数。利用Matlab非线性约束优化函数求得路径参数。仿真结果表明:该方法鲁棒性强,对车辆初始位置和方位角要求不高,解决了必须从特定位姿开始泊车的问题,增加灵活性和成功率;对于一般泊车环境该方法能得到曲率和车速缓慢变化的轨迹,有效解决了中途停车转向的问题;规划的轨迹满足避撞约束、车辆自身的约束、泊车停放要求、方向盘转角和转角速度约束;基于微分平坦的路径规划方法,降低了计算复杂度,缩短了规划时间,提高了泊车成功率。     

基于模型预测控制的平行泊车系统研究

为了提高自动平行泊车系统的控制精度,分析了车辆在泊车工况时的约束,采用五次多项式进行轨迹规划,运用模型预测控制算法跟踪路径,并使用Simulink进行路径跟踪仿真,结果表明:规划的路径满足车辆泊车约束,控制策略能控制车辆按照参考路径平行泊车。     

自动驾驶车辆的平行泊车轨迹规划

根据对自动驾驶车辆的平行泊车场景的分析,提出一种基于采样的自动驾驶车辆平行泊车轨迹规划方法.该方法把自动驾驶车辆平行泊车的轨迹规划解耦成路径规划和速度规划.通过对泊车起始点区域采样,生成一系列曲率连续、满足路径约束的泊车路径曲线,利用多目标评价函数选取最优的泊车路径.然后,在最优泊车路径基础上,通过对时间采样选取时间最...     

多约束平行泊车路径规划

针对不能满足平行泊车要求的狭小车位,提出了单向多次和双向多次路径规划方法。在确定了两种泊车轨迹的变量、碰撞约束函数以及规划目标后,利用matlab软件的非线性约束函数的优化功能求解泊车轨迹方程,并对两种路径规划方法进行仿真试验,结果表明,在相同的泊车环境下,两种路径规划方法都可实现安全顺利的泊车入位;通过实车试验进一步验证了所提出的路径规划方法的安全性和有效性。     

改进RRT算法在复杂环境下智能车路径规划中的应用

采用快速搜索随机树（RRT）算法进行路径规划时，在存在大量随机障碍物的复杂环境下，规划出的路径曲折且算法无法快速收敛，不能满足智能车路径规划的要求。为了实现智能车路径规划，提出一种基于RRT的运动规划算法——同心圆RRT算法。该算法在RRT算法的基础上结合智能车行驶时自身运动学约束，引入同心圆采样策略和邻近点选择方法。同心圆采样策略以目标点为同心圆的圆心，利用同心圆系数m控制同心圆的疏密程度，在同心圆上生成随机点以便确定下一路径点。邻近点选择方法考虑车辆运动学约束及目标点距离因素，在满足车辆运动学约束的前提下，计算邻近系数，将最小邻近系数对应的随机树节点作为邻近点；针对得到的规划路径，进一步提出基于车辆运动学约束下的路径简化方法，对得到的路径进行简化并使用3次B样条曲线对路径平滑处理，生成一条平滑且可执行的路径。研究结果表明：m=0.5~1.5时，提出的算法规划出路径所需时间最少；车辆姿态与下一路径点的夹角约束值越大，规划出路径所需时间越少，在夹角为35°时趋于稳定；在相同的环境中，提出的算法所规划的路径质量相比于RRT算法、目标偏向RRT算法及改进RRT^*算法有显著提高，规划出路径所需时间及路径长度相比于RRT算法分别降低了43.1%和18.7%，相比于目标偏向RRT算法分别降低了7.3%和15.5%，相比于改进RRT^*算法分别降低了29.6%和7%；智能小车的实车测试试验验证了该算法的有效性和实用性。     

基于回旋曲线的垂直泊车路径规划

为解决垂直车位自动泊车路径规划问题，提出了一种算力要求低、泊车空间小的路径规划方法。首先，考虑泊车过程中碰撞约束、汽车运动学约束要求，基于直线-圆弧组合的方式，进行垂直泊车的一步和多步基础路径规划。然后，结合回旋曲线进行曲率优化，实现泊车路径的曲率平滑。最后利用仿真验证方法的可行性，结果表明：对于不同的横向泊车空间以及不同的初始姿态角，该方法均能够规划出安全、平滑的泊车路径。     

基于预定义几何集的斜列式泊车路径规划方法

目前预定义几何集方法主要用于平行车位和垂直车位2种类型的泊车路径规划,对于未涵盖的停车位种类而言则存在无法规划泊车路径的问题,使得自主泊车系统对于能够泊入的车位种类存在局限性。为了设计斜列式泊车方式用以提高自主泊车系统中车位种类的覆盖率,提出一种基于预定义几何集的斜列式泊车路径规划方法。首先,提出了斜列式C字形泊车路径规划方法,利用几何学设计一种圆弧相切斜线的路径,并通过多项式建模表征任意角度停车位下的斜列式C字形泊车路径;其次,通过分析泊车路径与停车位中可能发生碰撞的关键点之间的距离,构建了泊车路径碰撞约束模型,以此分析不同规格停车位下约束条件的参数,从而获得规划路径安全区域;然后,结合拓扑地图信息与斜列式C字形泊车路径规划的碰撞约束模型,获得合适的泊车路径起始点范围,继而生成与全局路径无缝衔接的安全泊车路径;最后,通过MATLAB/Simulink仿真验证此方法的有效性,并通过实车试验证明实用性。结果表明：所提方法针对任意规格的斜列式停车位,均能有效地规划出无碰撞条件下的斜列式泊车路径;同时,车辆能够良好地跟踪所规划的路径,实现精准泊入停车位,证明所提方法能够提高自主泊车系统中停车位种类的覆盖率,并大幅度提高自主泊车系统的实用性。     

基于遗传算法优化的双向垂直泊车路径规划

为了解决1段弧式垂直泊车对于泊车空间要求高的问题,本文中基于Ackerman转向原理建立了车辆前轮转向运动学模型。分析了泊车过程可能发生的碰撞问题并划分了垂直泊车起始区域,在此基础上规划了一种双向的3段弧泊车路径,并用遗传算法对规划的路径进行优化,在Matlab/Simulink中搭建仿真模型,对优化前后的路径进行仿真分析。结果表明所规划的3段弧路径能使车辆准确无误地停到目标车位,通过实车试验进一步验证了所提出的泊车路径规划方法的有效性和安全性。     

基于B样条理论的平行泊车路径规划研究

针对智能汽车自动泊车系统的发展现状进行了分析,为解决泊车过程停车转向问题,提出一种连续曲率的平行泊车路径规划方案。对泊车环境进行分析,考虑汽车动力学约束条件,建立了自动泊车路径的约束空间,并根据对泊车路径的要求,在约束空间内生成合适的控制点,基于B样条理论生成可行的泊车路径。仿真结果表明,采用这种方法能够有效地实现避障,并且满足曲率连续性的要求,提高了自动泊车的灵活胜和连贯性。     

基于有限状态机的代客泊车决策规划系统研究

针对当前代客泊车研究中对泊车规划起始点的位姿要求较高的问题，提出一种基于分层有限状态机的代客泊车系统决策方法，设计车辆上层功能状态机与下层行为状态机，根据车辆所处环境与定义规则，建立车辆各行为状态之间的逻辑切换关系，完成车辆代客泊车与定点召回功能。为确保车辆在进入泊车状态前处于不确定状态与位姿的情况下，针对垂直车位完成车辆泊入路径的规划，采用多段路径规划，同时对行车与泊车切换区域进行计算，保证车辆在不同位姿情况下，均可以规划出泊车路径。最终通过实车试验，验证了该代客泊车系统方案的可行性与可靠性。     

基于自适应神经模糊推理系统的平行泊车路径规划

针对常见的平行泊车场景,提出一种基于自适应神经模糊推理系统的平行泊车路径规划方法。以基于优化算法的泊车路径规划方法得出的泊车路径作为训练样本,利用Python脚本语言建立以自适应遗传算法和拟牛顿法为内核的自动化训练框架,使自动训练后的自适应神经模糊推理系统既可继承基于优化算法的泊车路径规划方法适用范围更广的优势,又有效解决该方法求解过程计算量大的问题。通过仿真分析验证所提出方法的可行性和有效性,结果表明:自动训练后的自适应神经模糊推理系统可依据汽车初始泊车位姿和泊车位信息快速规划出可行的平行泊车路径。     

基于驾驶员经验的自动泊车规划算法研究

为解决现有泊车算法中的原地转向和泊车实时性差与精度不足的问题,在借鉴熟练驾驶员泊车经验的基础上,对泊车过程的各个阶段进行机理分析,并建立相应的数学模型,设计了一种新的自动泊车规划算法。该算法包括泊车控制、转向控制和速度控制3个部分:泊车控制用于规划泊车路径,输出转向角和期望速度;转向控制用于控制转向盘反向转向的时机;速度控制用于控制车辆在泊车过程中的速度。仿真结果表明:所提出的算法能实现精确的自动泊车过程,既满足精度要求,又达到泊车控制的实时性要求。     

基于采样的无人车路径规划算法仿真与验证

无人驾驶研究是能够使车辆自主进行安全、平稳、可靠行驶的关键技术,其中生成高效、平滑、舒适的规划路径是研究的重要问题之一。本文基于道路采样的路径规划算法,通过搭建仿真和实车测试环境,对算法进行模拟测试,实验结果表明,该算法能够进行实时路径规划,满足车辆非完整性约束的路径。     

基于SMPA的半挂车自动泊车运动规划方法研究

半挂车辆的非稳定运动学特性为其泊车过程中自主运动规划带来严峻挑战。针对半挂车在多障碍物的静态场景中泊车运动规划算法效率低、结果平滑性差等问题,本文提出了序列式运动规划方法（sequential motion planning algorithm, SMPA）。首先,提出了基于二次规划策略和改进双向快速扩展随机树（bidirectional rapidly-exploring random tree algorithm,Bi-RRT）的初始路径生成方法。然后,结合车辆非完整微分约束下的路径节点可行性判别方法研究,提出基于概率的目标偏向采样策略,提高了采样效率。最后,构建了面向车辆系统控制变量连续性的非线性最优化控制模型,解决泊车换向点的对接问题,提高了泊车轨迹平滑性。仿真结果表明,该方法在多障碍物场景中,规划时间相比Hybrid A~*和Bi-RRT分别降低了86.71%和21.44%,轨迹质量也更具优越性。     

基于RRT与MPC的智能车辆路径规划与跟踪控制研究

为分析智能车辆实时规划和跟踪控制的相互影响关系,基于改进的快速随机搜索树规划算法(improved-RRT)与线性时变的模型预测控制算法,提出了一种智能车路径规划与跟踪控制系统的构架。首先,采用目标导向、节点修剪、曲线拟合和最优路径选择等方法对基础RRT规划算法进行改进,保证规划路径满足车辆运动学约束并趋近最优解。然后,基于线性时变模型预测控制算法,实现智能车对期望路径的稳定控制。硬件在环仿真结果表明,车速为36 km/h,规划步长为2 m,规划周期为0.1 s时,侧向加速度小于0.2g,满足安全性和实时性要求。最后,分析了车速、规划步长和规划周期等因素对实时规划和稳定跟踪的影响。     

基于狭窄垂直车位的多段式路径规划与仿真分析

自动泊车系统（APS）目前受到广泛的关注,但大部分研究忽略了车辆初始航向角偏差对整体泊车效果的影响,对此,论文研究了狭窄垂直车位场景下车辆初始航向角不为零的多段式路径规划方法。首先基于车辆最小转弯半径建立了车辆后轴中心运动轨迹方程,通过五次多项式对路径规划进行优化,实现路径曲率更连续、泊车更平顺和舒适。CarSim/Simulink联合仿真验证表明,五次多项式泊车路径优化方法可行,在满足泊车安全的基础上,泊车位所需实际宽度减少10.4%,长度减少15.3%。     

基于混合A*和可变半径RS曲线的自动泊车路径优化方法

路径规划是自动泊车系统的重要组成部分,是确保泊车运动安全、缩短行车距离、提高乘坐舒适性的关键。而当前自动泊车规划系统往往面临行驶空间狭小、障碍物多、路径搜索难度大等技术挑战,同时搜索曲线半径固定容易导致路径接点处曲率不连续,增大了路径跟随控制难度和轮胎磨损程度,这些都提升了泊车路径规划的研究难度。针对以上问题,设计可变半径的Reeds-Shepp曲线,提出基于混合A^*和该曲线的自动泊车路径规划方法,通过调整曲线半径,提升其在复杂场景下路径的搜索能力和灵活性。随后,设计基于分段贝塞尔曲线和梯度下降的路径优化方法,利用其多阶导数连续的优势优化已搜索的路径曲率,并采用梯度下降来保证路径曲率大小和对障碍的规避,解决直线与圆弧相接等位置曲率变化不连续的难题。结合路径搜索与路径优化的泊车规划方法能够切实满足复杂场景下的泊车需要。最后,基于团队自主研发的PanoSim虚拟系统与MATLAB搭建联合仿真环境,针对多种自动泊车工况测试验证提出的方法。研究结果表明：调整Reeds-Shepp曲线的搜索半径进行全局路径搜索,可获得更短和更易跟随的路径,具有良好的灵活性;基于贝塞尔曲线和梯度下降法的路径优化可有效消除曲率突变点、约束路径曲率并保证对障碍的无碰撞要求。     

融合TangentBug与Dubins曲线的智能轮式车辆局部路径规划算法

由于环境条件限制,某些采用Ackermann转向的智能轮式车辆仅能获取局部地图和定位信息,给路径规划造成了困难。针对这一问题,本文中提出了一种融合TangentBug和Dubins曲线的局部路径规划算法。首先通过采样的方法构建了规划参考点集合,然后以Dubins曲线作为规划路径,旨在满足车辆最小转向半径的运动约束和目标点处的航向要求,并加入了沿规划路径的碰撞检测和考虑定位误差的状态转换规则。最后通过实车实验证明:本文算法能使车辆按规定位姿到达目标点,并可保证规划路径的安全性和实时性;本文算法可有效避免定位误差对车辆状态的影响;相对于使用圆弧曲线,本文算法规划出的路径更有利于路径跟随控制。