改进人工势场法的避障轨迹规划

避障轨迹规划是无人驾驶技术栈中不可或缺的一环,关系到无人驾驶车辆在道路上行驶时的安全性。文章主要研究基于人工势场法的轨迹规划方法,针对该方法中的局部最优及目标不可达的固有缺陷,考虑到在结构化道路上行驶的车辆纵向的变化能力远大于横向。提出了基于Frenet坐标系的势场分布改进方法,将势场沿横向按比例缩放,避免了自车在进行借道绕行时由于多重势场的叠加而产生的路径抖动甚至规划失败。针对局部最优问题,建立了基于安全走廊的逃逸轨迹规划方法。当自车陷入目标不可达情况时,通过动态调整势场引导自车规划出最优方案。最后,在不同交通场景下对提出的改进方案进行了仿真验证,仿真结果表明,提出的方案能够有效提升人工势场法的性能。     

基于改进人工势场法的非结构化道路路径规划

自动驾驶车辆在园区内的非结构化道路会车避让时常因距离过小而无法顺利会车。针对这一问题引入改进的人工势场法。首先,增加道路边界斥力势场和车道中心线势场以保证车辆不会驶出道路边界和驶回原有道路;其次,为解决难以实现会车问题,在车辆前进方向和障碍物的碰撞范围外设置临时目标点,避免因势场合力为零无法规划路径。此外,引入障碍物动态斥力势场,根据障碍物的当前位置和速度,可以预测未来一段时间内障碍物的位置,将障碍物速度斥力与传统的静态斥力场相结合,得到最终的斥力场。仿真表明,引入的改进人工势场法在非结构化道路中会车避让的通过时间缩短了约 34%。     

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%。     

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...     

基于改进人工势场的自动驾驶汽车弯道超车动态路径规划

动态路径规划是自动驾驶汽车避障控制的关键技术。针对自动驾驶汽车弯道超车工况,建立基于改进人工势场(Artificial Potential Field, APF)的动态路径规划方法。为使基于APF的动态路径规划方法能运用于包含弯曲道路的复杂交通环境,将已在直道环境验证过的道路APF函数通过极坐标系与笛卡尔坐标系的相互转换,建立考虑道路曲率的弯曲道路APF函数。针对根据车辆质心位置判断车辆碰撞风险方法存在的缺陷,提出考虑车辆体积的碰撞风险预判方法,建立综合考虑车辆位置、速度和体积的障碍车辆APF函数。基于弯曲道路APF和改进障碍车辆APF,建立道路环境综合APF,引导车辆实现弯道超车。为避免目标函数中子目标相互干涉,提高弯道超车安全性,提出根据本车与障碍车辆相对位置关系自适应调整权重矩阵的方法。基于Carsim/Simulink联合仿真平台,分别在静态障碍车辆和动态障碍车辆2种工况下,验证自动驾驶汽车弯道超车动态路径规划的有效性。研究结果表明：所建立的弯曲道路APF能引导车辆转弯行驶,避免冲出车道;目标函数权重自适应调整方法能根据超车过程动态调整子目标的权重,规划出符合道路交通安全法规的路径,避免车辆超车时提前折返原车道,提高了超车安全性;考虑车辆体积的障碍车辆APF提高了车辆碰撞风险的预判精度,有效避免碰撞事故发生。     

融合前车轨迹预测的改进人工势场轨迹规划研究

人工势场算法在移动场景中的避撞路径规划很少考虑其与前车未来轨迹的时序耦合影响,基本将每个规划周期内的前车视为静态,通过不同规划周期滚动更新的方式进行准动态路径规划,导致规划路径不够合理、一致性差.本文针对性提出通过时序耦合关联,将前车预测轨迹融入智能汽车路径规划过程.首先构建了改进人工势场算法的引力场及斥力场模型,提出...     

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。     

无人驾驶汽车局部路径规划算法研究

无人驾驶汽车局部路径规划算法应确保避障的安全性、实时性和路径的平滑性等。本文提出了一种基于离散优化的局部路径规划算法,即采用代价函数分别评估离散生成的候选路径的安全性、平滑性等,再根据各代价函数加权计算获得局部最佳路径。针对障碍物移动随机性,设计了一种基于运动估计结合高斯卷积的移动障碍安全性代价函数;考虑候选路径曲率的变化及其连续性,设计了路径平滑性代价函数。使用了一种新的坐标转换计算方法将路径从s-ρ坐标系转换到大地笛卡尔坐标系,提高了实时性。最后,利用PreScan和Matlab软件进行联合仿真,并在\"远飞\"无人车实验平台上进行了真实道路场景的实车实验。实验结果表明:提出的路径规划算法不仅能使无人车安全、合理地规避静止和移动障碍,且完全满足局部路径规划算法对实时性的要求。     

基于安全域的局部路径规划优化算法

为了对传统最优轨迹生成算法进行优化,提出\"安全域\"这一新概念,旨在客观表征车辆行驶过程中车、人、路等交通要素对行驶安全的影响.提出量化安全域参数的方法并成功应用于传统最优轨迹生成算法的优化,优化方法是在传统最优轨迹生成算法代价函数的基础上,考虑主控车辆周围动态环境的安全因素,把轨迹控制周期内每一时刻主控车辆与其他交通参...     

基于改进Gmapping与DWA算法的室内智能车SLAM和路径规划算法研究

针对智能车建图时常出现粒子的快速收敛、粒子多样性下降以及传统DWA算法常出现陷入局部最优解问题,提出基于K-Means分层重采样的改进Gmapping算法及基于融合A*和考虑转弯稳定性的改进DWA路径规划算法。改进Gmapping算法通过K-Means算法,将粒子集合划分为高、中、低权重3类粒子集合,结合合理的粒子权重设置,延缓粒子多样性衰退以提高建图准确性。通过增加考虑角速度大小的自适应速度评价函数和角速度评价函数,将A*全局路径转折点作为关键点,并融合A*与DWA算法以提高DWA算法全局寻优能力。仿真和实车试验结果表明,改进Gmapping算法在构建栅格地图时,平均有效粒子数提高4.6%,在设定场景下,改进DWA算法使智能车全局路径转折次数减少67%、搜索节点减少37.5%,有效提高智能车转弯稳定性。     

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。     

自动泊车关键技术研究进展综述

自动泊车是汽车智能化的重要组成部分,代替了驾驶员进行泊车的繁琐操作,减少了泊车事故的发生,在新车上的装载量大幅增加。为了研究自动泊车的发展现状、现有不足与发展趋势,对自动泊车应用现状进行了分析,又从车位探测、路径规划和跟踪控制等技术方面进行了分析,总结现有自动泊车关键技术存在的不足之处和局限性,提出了自动泊车关键技术研究的未来趋势,为从事自动泊车技术研究提供参考。     

基于光电导航无人驾驶电动汽车自动寻迹控制系统研究

在轮毂电机驱动电动汽车技术的基础上,采用光电传感器自动辨识行驶路径,利用车辆行驶预瞄理论,开发了无人驾驶汽车自动寻迹行驶控制系统.试验表明,该系统稳定性好、控制精度高和响应速度快.     

基于车辆动力学模型的换道轨迹规划研究

针对自动驾驶车辆换道轨迹规划时的操纵稳定性问题,基于CarSim/Simulink仿真平台建立了车辆动力学模型,构建了轨迹规划系统框架,通过轨迹信息后处理并提出了目标函数设计,进行了横向控制序列采样以保证车辆的稳定与极限性能,完成了算法对轨迹的综合评价选优。随后开展了仿真试验,对比分析了轨迹跟踪控制系统下的实际轨迹、最优规划方法所规划的换道轨迹。仿真结果表明,该轨迹规划系统框架及算法模型能有效提高车辆的操纵稳定性,可实现冰雪路面等极端工况下自动驾驶车辆换道轨迹规划。     

考虑非地形流体特征的三维地形高可靠性路径规划研究

三维地形场景通常具有复杂多变的环境和崎岖的地形特征;给路径规划带来挑战。针对这一问题;本文提出了一种非地形流体特征和三维复杂地形共同影响下的高可靠性路径规划方法。本方法包括三维地形下的初始全局路径规划、路径检验及重规划;针对初始全局路径;提出融合Hybrid A*和Theta*优势方法的AHTR算法;该算法针对三维地形场景特点改进了节点间采样和检测方法;并引入地形风险评估函数;为载具规划出能够规避崎岖起伏地形并且符合运动学约束的路径。针对路径检验;基于考虑非地性流体特征的载具动力学分析结果设计了路径风险检验函数;并验证了非地形流体特征对路径规划的影响。针对路径重规划;提出改进AHTR算法;该方法同时考虑了三维地形特征和非地形流体特征;确保所规划的路径能够有效规避风险。仿真实验表明;相比于Hybrid A*和Theta*;AHTR算法规划路径的地表起伏剧烈程度分别降低26.54%和49.04%;载具平均俯仰角幅度降低44.39%和69.40%;路径风险降低26.32%和41.67%;最终路径安全性提升58.06%和88.46%;有效保证了路径的可靠性。     

基于拓扑地图的自主泊车路径协调与优化策略

为了使全局路径与泊车路径无偏差对接,得到曲率连续的可行驶路径,为泊车模式切换提供精准位姿,提出基于拓扑地图的自主泊车路径协调与优化策略.首先,定义一种精简的停车场拓扑地图描述形式与道路拓扑设计原则,通过采集停车场内关键特征的定位数据建立停车场拓扑地图.其次,基于道路拓扑设计原则与泊车规划原则,设计\"第1次平滑处理-路径...     

基于五次多项式规划和模糊LQR控制的平行泊车研究

针对自动泊车路径规划中曲率不连续的问题,基于对车辆运动学的分析,将圆弧-直线-圆弧规划方法与泊车任务的逆过程相结合,采用五次多项式优化方法来规划泊车路径,得到曲率连续的紧凑泊车轨迹。为了提高泊车跟踪精度,利用模糊控制方法对基于运动学模型的离散LQR跟踪控制器进行改进。为验证算法的有效性进行了仿真与试验验证,在Simulink/CarSim协同仿真中,其最大跟踪误差为0.027 m,平均跟踪误差为0.013 m。在实车试验中,最大跟踪误差为0.07 m,平均跟踪误差为0.029 m。相较于LQR跟踪控制器,FUZZY-LQR跟踪控制器的平均跟踪误差降低了33%,改善了自动泊车路径跟踪效果。