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。     

无人驾驶汽车运动规划方法研究综述

路径规划是多学科交叉智能车技术的重要组成部分,本文从环境建模和路径搜索两个方面对现有的路径规划方法进行阐述。路径搜索算法分为图搜索算法,树搜索算法,智能优化算法三类,文中介绍了涉及算法的原理、应用现状及优缺点三个方面,总结了现有的路径规划算法,并对未来发展趋势作出展望。     

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。     

基于安全场改进RRT*算法的智能汽车路径规划方法

快速搜索随机树(rapidly-exploring random tree, RRT)算法是智能汽车路径规划的常用方法,但传统RRT和RRT~*算法存在路径抖动大、易陷入局部区域和计算效率低等缺点。针对这些问题,本文中结合实车数据提出了一种基于安全场改进RRT~*算法的智能汽车路径规划方法。首先,建立了基于安全距离模型的安全场,通过驾驶数据采集试验对模型关键参数进行了提取;在此基础上,提出了具备安全场引导和角度约束等策略的改进RRT~*算法;最后,通过仿真对算法进行了验证。结果表明,本文提出的路径规划方法能计算出满足车辆轨迹曲率约束的有效路径,同时具有较快的搜索速度和更高的成功率。     

基于层次策略的路径规划算法对比研究

为比较路径规划中基于层次策略的分层算法的计算效率和规划结果的合理性,选取基于预计算的分层算法和基于道路等级的分层分区算法这2类典型的分层路径规划算法,通过对2类算法基本原理的分析,并引入新分区算法和＂虚拟边＂等方法改进现有基于道路等级的分层分区算法以适应实际路网下的路径规划。选取广东省路网数据进行大规模测试,通过寻找＂最短路＂和＂最快路＂进行算法效率和路径规划结果的比较分析。测试结果表明改进的基于道路等级的分层分区算法计算效率更高,规划结果更符合出行偏好。     

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。     

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。     

欠驱动船舶自主避碰的算法设计

为解决传统A~*算法在船舶路径规划中存在的路径不平滑及大范围地图下搜索效率不高等问题,根据能量守恒定律对A~*算法中的评价函数进行重新定义,提出改进A~*算法;同时引入人工势场法(artificial potential field, APF),并对APF中的斥力场系数进行修正;结合2种改进方法,考虑欠驱动船舶的运动特性,设计出一种混合算法。通过MATLAB进行仿真对比,发现所提出的混合算法规划路径更优、效率更高。     

引入必经点约束的智能汽车全局路径规划EI北大核心CSCD

目前对于智能车全局路径规划的研究多数只针对从起点到终点的情况。针对该问题,本文中融合改进A*和模拟退火算法,设计了一种引入必经点约束的全局路径规划算法。首先,基于A*算法计算关键节点间的最短路径并保存。然后,基于启发式算法中的模拟退火算法对过必经节点的全局路径进行迭代随机优化。接着,基于真实高精度地图对算法的有效性以及时间复杂度进行实验分析。结果表明,设计的算法在求解质量和求解速度方面都有较好的表现。最后,通过实车实验,进一步验证了算法的有效性和适应性。     

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。     

智能网联汽车运动规划方法研究综述（双语出版）

分析了近年来智能网联汽车（Intelligent Connected Vehicle，ICV）运动规划方法的研究，根据规划时空尺度和任务目标，将ICV运动规划细分为路径规划、路线规划、动作规划和轨迹规划4级子任务，回顾了各级子任务中智能网联技术的研究和应用现状；探讨了ICV中驾驶人行为特性及其对运动规划结果的影响；从技术背景、研究场景、算法流程和应用理论4个方面，提出ICV运动规划方法研究的未来发展方向。结果表明：由于ICV主要依赖车辆网联信息规划运动路径，而路网中同时存在不同网联等级的ICV，这将增加路径规划问题的求解难度；现有ICV路线规划模型较少考虑周边多车运动状态以及路段车道设置情况，将现有算法与微观交通流模型相结合有助于解决此问题；ICV中人机协同及任务切换领域已出现诸多研究热点，如城市道路上换道与转弯动作规划、ICV引导非网联车辆行驶等问题；借鉴驾驶人行为模式规划ICV运动轨迹已成为研究共识，但是车-车、车-路网联信息在此领域的应用仍然有限；采用反馈-迭代的方法进行ICV运动路线和动作协同规划、运动规划和轨迹跟踪控制有助于获得全局最优的运动规划结果和车辆控制策略；根据具体规划任务特点选择构建ICV运动规划模型的基础理论，有助于发挥各类理论的优势，提升规划算法的灵活性和适用性。     

基于避碰规则自动驾驶船舶路径优化的研究进展

在人工智能与大数据背景下,自动驾驶船舶因其安全、高效的优势吸引了国内外学者的广泛关注.但其避碰相关法律条例与避碰路径规划发展并不均衡.自动驾驶船舶概念在规范条例中仍十分模糊,传统的路径优化与算法存在一定的偏差,只局限于全局规划或局部规划无法有效的保障船舶行驶安全性.基于避碰规则梳理了自动驾驶船舶的相关规范,分析了最新的...     

基于改进人工势场的无人驾驶动态规划算法研究

无人驾驶决策算法可以分为端到端的决策算法与分层式决策算法，分层式算法由于可解释性强、鲁棒性高而被大多数主机厂采用。规划模块是分层式决策算法中的核心模块，它承接感知与地图模块的信息并输出驾驶轨迹或动作，而人工势场法由于规划效率高、信息提取能力强，被越来越多地应用于无人驾驶决策规划领域。但现阶段的人工势场存在未考虑目的地因素或建立目的地单点引力场导致远距离引力过大、方向错误的问题，无法应对复杂交通环境。针对这些问题，提出一种无人驾驶“行车意图-风险复合场”(Driving Intention & Risk Field, IRF)，根据目的地、车辆、道路边界等要素各自的特点分别建模，并以势场的形式统一在IRF中。创建考虑全局规划的全局引力场，将全局规划路径离散成等距离的路径点，并动态选取感兴趣范围内的路径点进行全局引力场的构建。为了验证模型的性能，搭建IRF-SAC动态规划算法平台，并在CARLA仿真环境分别设置高速公路场景、十字路口场景和环岛场景。研究结果表明:相比于NF-SAC和FSM，IRF-SAC算法在安全性、舒适性、通行效率上均有显著提升；在高速公路场景下，IRF-SAC显示出较强的路径跟踪精度和鲁棒性，最大位移偏差相对于NF-SAC和FSM算法分别下降了44.8%、70.2%；在十字路口场景下，与NF-SAC及FSM算法相比，平均危险系数分别降低12.0%、20.6%，纵向加速度均方根分别降低13.2%、44.9%，行驶时长相较于FSM算法减少了39.2%；在环岛场景下，与NF-SAC及FSM算法相比，平均危险系数分别降低了31.7%、52.9%，纵向加速度均方根分别降低了27.0%、19.0%。     

终端区进场流的路径选择研究

在实际运行中,通常依据管制员的经验对进场航班流的路径进行管理,缺乏科学性.针对终端区进场流的路径选择与进场排序的流量管理问题,以进场航班的总完成时间最短为目标,建立基于时间窗与位置约束的路径选择与排序的数学模型.采用先选择路径再排序的循环寻优的方法进行求解,将禁忌搜索(TS)与排序算法相结合,设计了 TS-FCFS 与 TS-DP 两种算法,着重建立了基于关键路径的邻域结构,并加入有效的重置(RESTAR)策略,使算法快速有效的收敛至最优解.最后借助SIMMOD 仿真平台验证算法的可行性.以北京首都机场21架航班为例,仿真结果显示,TS-FCFS 与TS-DP 两种方法较原计划的进场路径总完成时间分别节约了149 s 与175 s.该路径选择算法降低了进场时间,提高了终端区进场效率.通过合理优化进场航班流的路径选择与进场排序,平衡了跑道负荷,减少了航空器间潜在的冲突,同时为管制员调配进场航班流提供了合理有效的路径选择建议.      

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。     

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。     

Automatic parking of vehicles: A review of literatures

Collision accidents often occur during parking or reversing cars. In allusion to this point, this paper conducts a review of literatures on automatic parking. To begin with, a brief introduction of automatic parking including its background and significance is given. Then its commercial application, research status and latest progress are summarized which include visual perception, ultrasonic sensors and radar technology, path planning, control algorithms based on fuzzy theory, neural network, image processing and recognition technology, and digital signal processing technology, etc. On further analysis, some reasonable conclusions are drawn and the future work is suggested.