[发明专利]一种基于流场的无人车路径规划方法

说明书

本发明涉及一种基于流场的无人车路径规划方法，包括以下步骤：根据车辆的起点、终点和环境中的障碍物，建立流场计算模型；以前轮转角为输入量，坐标和航向角为状态量，建立车辆运动学模型；采用车辆运动学模型作为滚动方程，求解流场的滚动时域优化问题，将流场速度向量分布作为路径规划的引导信息，得到规划路径，其中，优化量为前轮转角，优化目标包括车辆运动和流场运动达到一致以及车辆运动过程中不与障碍物发生碰撞，约束条件为前轮转角不超过方向盘最大转角。与现有技术相比，本发明可以在复杂地形里找到连接起点与终点、光滑且避障的路径。在避障的前提下、路径的光滑性和完备性同时取得较好的效果。

技术领域

本发明涉及一种无人车路径规划方法，尤其是涉及一种基于流场的无人车路径规划方法。

背景技术

无人驾驶汽车是一种智能汽车，可以实现在无人驾驶的条件下自动行驶。无人驾驶汽车一般利用激光雷达、视觉传感器、毫米波雷达等车载传感器感知车辆周围环境，根据环境感知获得的环境信息，决策所执行的行为。依据行为生成所需的参考轨迹，并依此控制车辆的转向和速度，从而使车辆能够安全、可靠地在道路上行驶。无人驾驶汽车从根本上改变了传统的“人—车—路”闭环控制方式，将不可控的驾驶员从该闭环系统中请出去，从而大大提高了交通系统的效率和安全性。

无人驾驶技术的实现主要包括环境感知，驾驶行为决策，路径规划，车辆控制和车辆定位等五个部分。路径规划技术是无人驾驶技术中十分关键的组成部分，在环境感知、行为决策和运动控制之间起着承上启下的作用。基于环境感知数据和决策系统所提供的信息，无人驾驶系统需要在复杂的道路环境中，规划出一条安全可靠的、车辆可行驶的路径。随着无人驾驶技术的迅速发展，无人驾驶汽车的路径规划问题再次成为国内外学界和工业界关注的问题之一。

如今已有许多研究路径规划方法的成果，也取得了一些成果，但是都不可避免的存在各自的局限性。

基于图搜索算法的路径规划方法。传统的基于图搜索概念的算法主要包括Dijkstra算法、A*算法、D*算法和Theta*算法，这些算法的完备性较强，可以在复杂地形下求出可行解，但是基于图搜索算法的路径规划方法不适用于非完整性约束，具有生成路径不光滑的缺点。

基于智能优化方法的路径规划方法。这种算法主要包括模糊逻辑算法、遗传算法和人工神经网络的方法。这些方法均已经在路径规划方法里实现。但是这种方法的缺点在于在一些较为复杂的情况无法求出可行解。

基于人工势场的方法。人工势场在可行驶区域生成引力和斥力，再虚拟粒子在力的作用下的运动轨迹，生成路径。这种方法的优点在于路径光滑，而且可以应用于非完整性系统，局限性在于会陷入局部最小点，可能无法得到路径。

最近一些研究主要基于采样的方法。主要有概率随机图法(PRM)和快速随机树法(RRT)，这两种方法都是基于概率采样的方法，当采样密度趋近于1时，此方法逐渐趋近于完备。但是这种方法缺点在于无法应用于非完整性系统，路径不光滑。

综上所述，现有的规划方法往往无法在路径光滑、求解复杂地形两项指标上均取得较好效果。另外，无人驾驶汽车具有特定的结构和运动学特性，在进行无人车的路径规划时，势必要考虑模型的约束，也就是说，对于不满足模型约束的路径，无人车是无法执行的。另一方面，在实际环境中，无人车的行驶环境有时比较复杂，可能路径比不是固定的形状，也不是一种明确的任务，而路径规划方法需要保证自身在复杂环境，多种任务下，都可以求得解，才能保障路径规划方法的实用性。

发明内容

本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种基于流场的无人车路径规划方法。

本发明的目的可以通过以下技术方案来实现：

一种基于流场的无人车路径规划方法，包括以下步骤：

根据车辆的起点、终点和环境中的障碍物，建立流场计算模型；