无人驾驶汽车路径规划算法研究综述

无人驾驶汽车是目前汽车发展的一个大方向,无人驾驶的实现依靠于汽车的感知、决策和控制功能。路径规划属于决策中重要的一环。目前,无人驾驶汽车的路径规划算法存在受环境影响较大,无法适用于复杂的道路环境的问题,基于此文章对无人驾驶汽车轨迹规划算法进行归纳。其在广义上可分成全局路径规划和局部路径规划两种,文章对上述两种规划进行细分并介绍了各种路径规划方法的原理,分析了各个方法的优劣,为无人驾驶汽车路径规划算法的研究提供参考。     

基于移动子目标的复合式路径规划算法

为使无人驾驶汽车无碰撞、高效到达目标点,针对当前未同时突出全局路径和局部路径优点的问题,通过激光传感器检测无人驾驶汽车周围环境,用子目标点与无人驾驶汽车的连线将平面环境划分为左、右2个半平面,分别搜索可通行的自由扇区,根据一种代价函数评价各个自由扇区得到最优的路径。考虑无人驾驶汽车各时刻的姿态不同,为无碰撞的切入最优路径,创建基于无人驾驶汽车到阻塞区域距离和当前车速的风险评价函数,基于人的驾驶行为,创建以风险评价值和切入最优扇区的转角为输入,无人驾驶汽车角速度和线速度为输出的模糊控制。在全局路径已知的条件下,在全局路径上为实时的局部路径规划选择子目标点。根据环境等因素的影响,将子目标划分成被未知阻塞区域遮挡、被已知阻塞区域遮挡且遮挡前子目标可见、被已知阻塞区域遮挡且遮挡前子目标不可见3种状态,为引导无人驾驶汽车,分别分析其子目标所处的状况并提出子目标应当按照一定速度向特定方向移动的方案。研究结果表明:该方法能够很好地解决局部路径规划层无远见的问题,全局路径上的子目标点有效地引导无人驾驶汽车前往最终的目标,同时又不会与阻塞区域发生碰撞,保证了无人驾驶汽车行驶的平顺性,实现实时无人驾驶汽车路径达到最优,又很好地关联了全局路径规划层和局部路径规划层。     

基于MPC的无人驾驶汽车轨迹控制研究

为更好地实现对无人驾驶汽车行驶路径的跟踪修正,基于模型预测算法控制车辆的车速和横摆角。通过建立车辆运动学模型、制定目标函数、确定约束条件,设计出了轨迹跟踪控制器。并通过Matlab/Simulink、CarSim软件搭建模型预测控制算法。结果显示,在预定工况下,车辆参考路径和实际行驶误差较小,并有较好的横向稳定性。结果表明该算法能在一定程度能保证无人驾驶汽车的安全性,为智能车辆控制提供了基础。     

车辆导航动态路径规划的研究进展

针对车辆智能导航系统中的交通网络模型、路径规划算法以及交通流预测这三个主要方面的研究现状进行了较为详细的分析。首先着重描述了基于图论的交通路网模型的构建方法;其次分析了Dijkstra算法、Floyd算法、A*算法等经典路径规划算法的性能及研究方向;然后详细介绍了交通流预测方法的研究进展;最后对车辆导航动态路径规划的未来研究方向做了展望。     

无人驾驶电动赛车路径规划算法研究

针对大学生无人驾驶方程式大赛,提出一种适合无人驾驶电动赛车的路径规划算法。该算法利用坐标转换原理,在全局坐标系下分别提取两侧桩桶点,最终得到离散点集。离散点之间用弧线进行连接,并且保证曲线的平滑性。在MATLAB环境下进行对无人驾驶赛车的路径规划仿真。仿真结果表明:该算法能较好地规划出行驶路径,曲线平滑,可以使赛车安全可靠地通过赛道。     

基于MPC的局部路径规划与路径跟踪控制研究

文章主要针对无人驾驶车辆在进行路径跟踪遇到障碍物时,需要局部重新规划出一条可行路径的问题,首先基于车辆点质量模型的MPC局部路径规划算法,得到满足车辆动力学约束并实现避障功能的局部路径,然后在二自由度车辆动力学模型的基础上基于MPC进行路径的跟踪,最后使用Simulink/Carsim进行联合仿真验证,结果表明基于该局部路径规划与路径跟踪算法能够可靠地规划出避开障碍物的局部路径,实现高速下的路径跟踪。     

基于代价函数的无人驾驶汽车局部路径规划算法

局部路径规划层作为无人驾驶汽车软件层的重要组成分布，如何有效、安全地到达目的地是当前研究的热点。针对结构化道路信息，充分考虑车道线的约束，在使用Frenet坐标系理论的基础上，提出一种考虑到车道线曲率和障碍物模型信息，得到不同车道上其他道路参与者的位置信息，以便计算其他障碍物模型对本车危险程度，综合算法实时性、轨迹平顺性等要素的最小代价局部路径规划算法。在局部路径规划过程中，沿着参考线（Frenet坐标系下X轴上一段路径）选取多个路径分割点，Frenet坐标系下在每个分割点处沿Y轴进行控制点离散，每个路径分割点处选取1个控制点构成路径控制点集合，使用一元三次方程对每种排列组合路径进行拟合，从而使用代价函数对每种排列组合路径进行评估，代价函数值最小为最优的局部路径。代价函数考虑拟合轨迹到障碍物的危险程度、轨迹平顺性、轨迹到当前参考线（实时在全局路径规划层上根据车速得到一条当前需要跟踪的理想轨迹）的偏离程度、拟合轨迹行驶方向的改变程度、无人驾驶汽车最小转弯半径。研究结果表明：在不同试验场景下，所提出基于代价函数的局部路径规划算法，能规划出一条不与障碍物发生碰撞的最优路径，并能保证无人驾驶汽车行驶轨迹平顺性和路径规划层实时性的要求。     

无人驾驶汽车共享调度方法研究

由于无人驾驶汽车不存在人为驾驶的随机性,操控精确性高,组成的交通流通行能力大,合理的调度方法能够提高无人驾驶汽车调度系统的整体收益、降低服务时间、降低乘客的出行费用,并从根本上缓解城市交通安全、交通拥堵、交通污染等社会问题。为使无人驾驶汽车更好地为乘客提供共享乘车服务,在深入了解无人驾驶汽车技术发展的基础上结合共享调度理论,建立了适合于一定区域内满足乘客需求的共享无人驾驶汽车调度模型。对模型中的公式以及限定条件进行了严密的分析,根据模型的限制条件设计了一种新型的乘客合乘的算法,新提出的算法首先研究了如何确定请求-路线-车辆分配情况,动态生成在线需求和无人驾驶车辆的最佳路线,然后利用贪婪分配进行匹配,最后完善已有算法的不足,通过优化约束条件来改进匹配,通过多次迭代后得到最优分配。为了更好地验证新提出算法的运算效率,利用某地区的OD调查数据对新提出的算法和聚类算法从匹配成功率、算法平均运行时间、乘客平均等待时间3个角度应用软件进行模拟分析,表明新提出的算法运算效率得到较大提高。     

基于预测模型的无人赛车路径规划算法研究

针对无人驾驶电动方程式赛车极限工况下的路径规划问题，提出一种基于预测模型的无人赛车路径规划算法。通过目标函数设计将路径规划问题转化为最优化问题，并将车辆动力学预测模型作为等式约束，依据赛车的稳态行驶特性，构建赛车行驶稳定性组合约束，并综合考虑边界约束，生成满足赛车行驶要求的路径。在不同附着条件下进行了仿真测试，结果表明，在满足实时性要求的前提下，所提出的算法能够有效减小车辆前、后轴侧滑的风险，且在多项指标上优于RRT*算法以及基于三次自然样条曲线的最优二次轨迹规划方法。     

无人驾驶汽车局部路径规划研究综述

文章针对近年来的无人驾驶汽车路径规划算法进行总结和归纳。首先对目前主流的环境建模方法进行阐述;其次对路径规划算法进行介绍,通过分析其优缺点,指出融合轨迹规划算法具有最好的适用性;最后总结当前研究挑战并提出了相关建议。     

基于改进人工势场法的汽车弯道超车路径规划与跟踪控制

本文中针对无人驾驶汽车弯道超车工况,提出一种基于改进人工势场法的汽车弯道超车路径规划算法,以及一种基于线性鲁棒控制理论的汽车弯道超车路径跟踪最优保性能控制策略。首先,分别基于螺旋下降函数、斜坡正弦函数和指数函数构建弯道引力势能场、同车道行驶较慢车辆斥力势能场和弯道边界斥力势能场,三者构成汽车弯道超车路径的搜索空间。随后,设计一种可应用于动态环境的增量搜索算法,逐步搜索汽车弯道超车路径搜索空间的最快下降方向,进而规划出汽车弯道超车路径。为执行规划出的汽车弯道超车路径,以线性2自由度汽车动力学模型为基础建立包含参数摄动的汽车弯道超车路径跟踪误差动态模型,并基于线性鲁棒控制法设计汽车弯道超车路径跟踪最优保性能控制策略。最后,仿真验证所提出的汽车弯道超车路径规划算法和路径跟踪最优保性能控制策略的可行性和有效性,结果表明:所提出的路径规划算法和跟踪控制策略可安全、舒适地引导汽车完成弯道超车工况。     

基于改进人工势场法的无人驾驶车辆局部路径规划的研究

本文旨在研究在结构化道路上行驶的无人驾驶汽车的局部路径规划.基于人工势场法,利用高斯组合隶属函数建立引力的目标点函数,在引力点函数中考虑障碍物约束和车辆约束,并引入调节因子,建立了改进的无人驾驶汽车人工势场模型,消除了传统人工势场法容易陷入局部极小的问题.硬件在环试验结果验证了所提方法的有效性.     

无人驾驶汽车纵向速度控制研究

针对无人驾驶汽车在上下坡道的过程中,汽车纵向速度对行驶状态影响较大的问题。文章提出了一种针对无人驾驶汽车在路径跟踪过程中的纵向速度控制方法,该方法采用增量PID控制,结合坡道速度增量预估模型,实现无人驾驶汽车在上坡和下坡时,速度可以保持相对稳定的状态。     

复杂路况下无人驾驶路径跟踪模型预测控制研究

为了提高无人驾驶车辆在直角转弯、连续弯道和弧形弯的复杂路况下路径跟踪精度、行驶稳定性与安全性,提出了一种改进的模型预测控制算法。该改进算法是根据行驶路径弯曲度确定车辆在平坦路面上不发生滑移的最大纵向速度,即车辆纵向速度不是假定恒定值。基于模型预测控制,建立车辆运动学模型,设置以速度和前轮转角为约束条件,设计以位置偏差和控制增量为目标函数,获得最优前轮转角和行驶速度。最后,借助某新能源汽车有限公司提供的无人驾驶车辆平台与测试场地,试验对比分析了在复杂路况下改进的模型预测控制算法与纵向速度恒定的模型预测控制算法时车辆路径跟踪效果,试验验证了改进模型预测控制算法的有效性与优越性,保证了车辆的路径跟踪精度、行驶平稳性与安全性。     

无人驾驶电动赛车路径跟踪控制研究

针对大学生无人驾驶方程式大赛,采取纯跟踪算法用来跟踪规划好的路径。该算法属于前馈控制,基于几何原理得出前轮转角,用于控制车辆转向,跟踪参考路径。同时分析了全局坐标系和车辆坐标系之间坐标转换的原理。在MATLAB/SIMULINK环境下进行对无人驾驶赛车的路径跟踪仿真。仿真结果表明:该算法能较好地跟踪路径,且能保证一定的赛车行驶稳定性。     

基于多影响因素RDMA*算法的无人驾驶动态路径规划

无人驾驶汽车的路径规划面临着复杂多变的交通环境,为了更全面的评价路径选择指标以规划更合理的路径,以及更好的解决路段环境动态变化对规划结果造成的影响,研究了一种考虑多影响因素的动态路径规划算法——RDMA*(Real-time Dynamics of Multiple influencing factors AStar)算法.以A*(AStar)算法为核心,通过加入多影响因素的交通评价因子对其代价函数进行改进,综合考虑距离,交通拥堵程度,道路平整度和其他影响因素,应用层次分析法确定各影响因素的相对权重,以综合代价值为评价指标进行路径规划.通过GPS,雷达和摄像头等设备,利用融合感知技术获取相关道路环境信息,根据获取的全局和局部交通环境数据信息,利用实时动态更新策略解决动态环境下的路径规划问题,实时规划最优路径.通过对实际案例进行模拟,结果表明,应用RDMA*方法规划的路径相比基础A*方法规划的路径出行总体耗时减少了15.75%.并且在遇到特殊事件的状况下,通过RDMA*动态规划可为无人驾驶车辆即时提供一条综合代价值最小,耗时最少的可行路径,与改进的A*动态路径规划方法相比减少了10.63%的二次规划综合代价值的损耗,提高了7.83%的时间效率.该方法能更好的适应复杂的道路和交通系统,即时应对动态变化的交通状况,具备更强的实用性.      

基于人工智能技术在无人驾驶汽车领域的应用

人工智能技术中较为重要的内容是无人驾驶汽车,得到了深入化的研究。人工智能技术与其他技术有效结合,是目前技术进步的主要发展方向,无人驾驶汽车领域中积极应用人工智能技术,可以促进技术的不断深入探索,将技术成果应用到实践中。本文通过对人工智能技术在无人驾驶汽车领域的应用措施进行分析,结合实际应用手段,以及需要解决的问题,提出相应措施,促进人工智能技术在无人驾驶汽车领域的有效应用。     

复杂动态环境下智能汽车局部路径规划与跟踪算法研究

路径规划及路径跟踪控制是智能汽车研究的关键技术，而复杂、时变的交通环境给智能汽车的路径规划与跟踪提出严苛要求。针对现有局部路径规划方法只适用于较为简单的工况，无法应对多车道、多静/动态障碍等复杂工况的问题，提出一种基于离散优化思想的动态路径规划算法。该算法利用样条曲线曲率变化均匀的特性，在s-ρ曲线坐标系中生成了一组参数化候选路径簇；考虑动态碰撞安全影响，在碰撞带约束下结合道路法规限制及车辆动态安全要求，规划车辆速度；此外，综合考虑静态安全性、舒适性、目标车道、道路占用率等影响因素，以选择最优路径。在路径跟踪层面，基于预瞄理论设计鲁棒性好、跟踪精度高的分数阶PID路径跟踪控制器，以跟踪误差最小为目标，采用粒子群优化算法对分数阶PID控制器参数进行整定。最后，基于Simulink/CarSim建立联合仿真平台，设计多车道，多静/动态障碍的复杂工况以验证该算法的有效性。研究结果表明：由于在评价函数中引入动态安全评价指标、目标车道评价指标以及道路占用率指标，极大地提升了规划器性能，使车辆在行驶过程中根据驾驶环境自主调整速度，降低换道次数，从而保证智能汽车的主动安全性能，提升了通行效率，使该算法能够较好地处理复杂动态环境下的避障问题。     

基于蚁群算法的路径规划改进方法研究

无人驾驶技术是近几年来研究的热点,其中路径规划技术则是无人驾驶技术研究中一个重要的内容。本文介绍基于经典蚁群算法的路径规划技术以及两大类改进方法,一类是基于经典蚁群算法的改进,另一类是与其它智能算法融合的改进。     

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。