基于AStar算法的避障路径局部规划方法开发

介绍一种基于AStar算法的避障规划逻辑,并介绍与之配合使用的路径平滑算法,再将AStar算法与实际场景相结合,提出一种多次规划的避障逻辑,最后将此逻辑与Carla进行联合仿真与调试。     

面向动态避障的智能汽车滚动时域路径规划

为解决城市低速条件下智能汽车在避障过程中的路径规划问题，提出面向动态避障的智能汽车滚动时域路径规划方法。首先，划分车道可行区域，利用3次拉格朗日插值法拟合车道边界，并根据"车-路"的相对位置关系将车道区域进一步划分为车道间区域与车道内区域两部分。其次，以区域虚拟力场进行动态交通场景模拟，包括在障碍车周身沿车道方向的虚拟矩形区域斥力场，行驶目标位置的虚拟引力场和车道保持虚拟区域引力场3个部分，然后结合划分的车道区域确定各虚拟力场的作用区域。再次，建立主车动力学与运动学模型，障碍车运动学预测模型，把主车与障碍车无碰撞，主车行驶在车道内区域，趋向目标位置以及保证车辆稳定性作为优化目标，综合车辆模型的控制输入、状态变量等动力学约束条件，构建多目标的滚动时域控制器用于车辆避障路径规划，求解获得前轮转角作为控制量。最后，利用MATLAB和veDYNA软件对提出的路径规划控制系统分别在静态障碍和动态障碍工况下进行联合仿真。研究结果表明：该方法能够很好地解决躲避静态障碍和低速动态障碍车的问题，控制车辆驶向目标位置，并且在避障过程中满足车辆的动力学约束，同时又不会与道路边界发生碰撞，保证了车辆的安全性和稳定性。     

基于单片机的隧道清洗车避障系统设计

根据隧道清洗车的作业环境和特点,研究设计了一种隧道清洗车的自动避障系统,控制系统选用C8051F310单片机,检测系统选用激光、超声波测距装置,采用C51语言编写系统程序,进行了系统设计、硬件选型、软件设计、性能测试。结果表明,这种自动避障系统能达到规定的性能要求,检测准确可靠,可以大大提高国产隧道清洗车的安全性和清洁效果,同时减轻作业负荷。     

行人过街场景下车辆避障路径规划与控制方法

为解决行人横穿过街场景下自动驾驶车辆安全避障问题,设计了一种基于行车风险场的车辆避障控制模型。考虑了行人加速运动中的潜在风险,采用了基于行人斥力场重心的新型避障函数,以优化横向避障距离。采用行车风险场理论,来构建全局路径规划层。基于模型预测控制(MPC),构建局部路径规划和跟踪控制器。在PreScan-Carsim平台上进行了仿真试验。结果表明：与跟踪传统静态全局路径相比,动态行车风险场下的避障行驶稳定性提高了7.21%,横向安全性提高了4.63%。因此,设计的控制器能够达到安全避障的目标。     

行人过街模拟及车辆右转避障路径规划方法

为解决无信号十字路口右转车辆与同侧过街行人的交互冲突问题,提出一种模拟过街行为的行人过街运动模型,设计了车辆横纵向解耦避障路径规划算法,并进行了仿真实验。使车辆面向动、静态行人时能合理切换避障路径规划策略;同时,将过街运动模型驱动下的行人作为车辆避障对象,以过街模型输出的行人未来轨迹生成车辆纵向速度规划障碍位移—时间区域,从而让行人未来运动状态反馈到车辆避障中。结果表明:本文的行人过街运动模型相对观测值的准确率达到了90%,因此,该模型复现了行人过街过程;能根据行人运动状态切换避障方案,使车辆安全避让过街行人。     

基于RGB-D SLAM的智能车自主避障与路径规划试验研究

针对GPS信号弱、导航数据缺失场景下自主移动车辆难以精准定位的问题,采用即时定位与地图构建(SLAM技术实现未知环境下无人小车地图构建与自主定位功能,采用动态A*算法实现了无人小车的避障与路径规划。分别进行了验证试验和未知环境下局部路径规划及全局路径规划试验,结果表明,提出的方案能有效地控制小车自主规划路径,避开障碍物到达目的地。     

智能车辆局部路径规划算法研究综述

为提高智能车辆行驶的平稳性和合理性,文章对近年来智能车辆常用的局部路径规划算法进行了分类和总结。首先对各类传统算法的原理进行了阐述,分析其优缺点,并指出传统算法在智能车辆上应用时的不足;其次整理分析了各类传统算法应用至智能车辆上时各学者所提出的改进算法;最后提出基于离散优化的算法是未来智能车辆局部路径规划的应用趋势,多算法融合是复杂场景下智能车辆局部路径规划的研究方向。文章的研究结果为智能车领域的研究人员在选择局部路径规划算法时提供参考。     

绿化修剪车避障工作装置运动学分析

以绿化修剪车的工作装置为研究对象,通过矩阵分析法建立了工作臂矢量运动方程,完成了机械臂的运动学分析。同时,运用ADAMS对绿化修剪车的工作装置进行了运动学仿真,得到了绿化修剪车触杆的运动包络图和割草机触杆末端的位移、速度及加速度,验证了机械臂数学模型的正确性。最后,根据绿化修剪车工作装置的实际运动情况和仿真结果,推算出绿化修剪车的最大作业速度和避障时间,为后续液压系统设计和工作臂的控制设计提供了理论依据。     

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。     

清洗车喷洗机构的自行避障功能

针对道路清洗车传统喷洗机构作业时易撞损的问题,介绍了新设计的喷洗机构的避撞功能。     

智能避障车的设计与制作

主要介绍了智能制动小车的设计与制作。该车以模型小车为车体采用4W电机驱动,可以直接驱动4路3-16V直流电机,并提供5V输出接口(输入最低只要6V)。采用51单片机作为开发控制板,采用红外探测并加以多种传感器实现小车的智能制动,自动避障等功能。     

基于分段优化的车辆换道避障轨迹规划

为提高复杂道路场景下智能车辆换道避障的安全性和舒适性,提出了一种基于分段优化的智能车辆换道避障轨迹规划方法。首先考虑多种换道可能,根据本车状态和多个采样点生成基于五次多项式的候选y-x曲线簇和x-t曲线簇;其次基于指数函数设计了一种障碍风险评价函数,并结合轨迹平顺性、利他性和行驶效率等构建了综合评价体系,选取出最优参考轨迹,为智能车辆换道避障提供方向和速度的参考,以防止轨迹优化时陷入局部最优;为适应障碍物运动状态时变的特点,以参考轨迹为引导,构建分段五次多项式y-x曲线和x-t曲线,并考虑与障碍车辆的碰撞风险建立了优化目标函数,将轨迹优化问题转换成带约束的非线性规划问题,通过外点法求出最优轨迹。最后基于MATLAB平台进行了仿真验证,结果表明,所提出的轨迹规划方法在满足换道平顺、舒适要求的基础上提高了车辆的环境适应性和避障调整能力。     

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...     

基于触须算法构建与修正的智能车辆自主驾驶与避障

基于二自由度的智能车辆模型,研究了在不同转向盘转角和车速下,影响行车轨迹的因素.构建了基于行车轨迹的触须,对障碍物的避障算法进行了分析.根据三维和二维激光雷达测得的数据绘制512×512地图,实现智能车辆合理和自主避障.仿真和试验结果验证了模型和算法的有效性.     

基于改进的RRT车辆路径规划

文章针对基础RRT算法的不足即搜索的盲目性与复杂条件下较差的适应性,对基础RRT算法进行改进,通过对扩展节点的条件进行约束,使得车辆进行路径规划时更加具有方向性,能够实现对物体的绕行,以快速地寻找出可行的路径.最后通过MATLAB进行仿真,验证了改进算法在简单条件与复杂条件(狭小通道)下路径规划的有效性.     

智能车辆动态避障轨迹预测与跟踪控制

为解决智能车辆动态避障路径预测及跟踪问题,文章对动态障碍进行建模并基于三角形面积法引入避障约束,设计代价函数以满足最优预测轨迹输出,同时设计引入侧翻约束的非线性模型预测控制器进行在线最优路径跟踪。通过Matlab进行基于结构化道路下的避障轨迹预测与跟踪控制仿真,仿真试验得出控制车辆在满足避障约束等条件下,可以实现换道超车并到达指定目标点,且加速度变化率（jerk）值小舒适性好。试验结果表明,预测轨迹理想、控制器准确性高且具有一定的鲁棒性。     

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。