基于复合动态采样的自动驾驶矿车节能路径规划方法

近年来,考虑安全与效率的自动驾驶矿车路径规划方法已逐渐成熟,并在多种矿山场景落地应用。与此同时,产业界和学术界也开始关注如何利用路径规划提升矿车的燃油经济性。针对这一需求,本文提出了一种矿山场景下的自动驾驶矿车节能路径规划方法,其主要特点是根据车速、道路坡度及障碍物进行S-L（进度-偏离）和S-T（进度-时间）的复合动态采样。针对矿山典型地形场景,建立了矿车燃油消耗指标,提出了安全性-运行效率-能耗综合路径评价模型;为了防止评价模型的各项权重陷入局部最优,设计了基于模拟退火策略的粒子群自适应优化方法。在矿山实际场景的测试中,本研究提出方法较现有方法在燃油经济性指标上平均提升了11.28%。     

面向铲装作业场景的自动驾驶矿车路径规划方法研究

针对铲装作业场景复杂多变、矿车路径规划实时性及安全性要求高的特点，提出一种基于引导式变步长混合A*算法的路径规划方法。通过建立维诺图获取矿区路网并提取关键点作为方向引导，提升探索效率的同时避免车辆在U形障碍物处陷入局部最优；引入自适应变步长算法并改进启发函数，进一步提高规划效率及路径安全性；通过矿区实车场景试验验证算法有效性。试验结果表明，本路径规划方法满足矿车复杂场景要求，规划时间相比原引导式算法降低68%，路径到障碍物平均距离增加了11%，路径曲率变动次数减少45%，显著提高了计算效率与路径质量。