[发明专利]一种路径规划方法

说明书

本发明提供一种路径规划方法，该方法通过对车辆建模得到车辆的约束，同时在估价函数中加入方向代价并带入A*算法，使得所规划路径更加符合车辆的运动学模型,转折次数少，路线更平滑。将本发明方法应用于学校校园路径规划，结果表明：在规划相同路径上面，改进的A*算法规划的路径相比传统A*所规划的路径，长度降低约2.22％，累计路径转折点降低约65.28％，累计转折角度降低约49.03％，所规划出的路径能够更好满足车辆运动学模型。

技术领域

本发明涉及控制工程技术领域，尤其涉及一种路径规划方法。

背景技术

随着无人驾驶的快速发展，无人车运用在日常生活中的可能性也越来越大。而无人车的安全性、可靠性和舒适性尤为重要，这就对无人车运动路线的优化提出了更高的要求。因此，路径规划一直是无人车研究中的一个热点，对于其规划的好坏常常用规划的路径长度、代价和时间等因素来评价。目前，学者们对路径规划方法进行了大量研究，主要包括：基于采样的Voronoi图方法、快速搜索随机树等方法；基于节点的Dijkstra、A*算法、D*算法等；基于模型的人工势场法、动态窗口法等；基于生物启发式的神经网络、遗传算法、蚁群算法等。其中，A*算法便于理解和实现，是目前使用最广泛的规划法之一。

由于A*算法能够有效的求解出最优路径，同时利用启发函数能够简单的评估地图上任意点到终点的距离，从而能够有效的减少搜索空间，提高搜索效率。所以被广泛的运用在移动机器人领域。但是，在应用中，经典的A*算法仍存在一些问题，如：所规划的路径距离障碍物太近，路线不够平滑，转折个数比较多等，导致规划出来的路线可能紧贴障碍物。王维，裴东等人通过对当前结点及父节点的代价进行指数衰减，使得A*算法在离目标较远时能够较快的靠近目标。王红卫,马勇等通过将延长线路的中间节点删除,提出平滑A*算法，使得A*算法的结果更加平滑。Saska和吴宪祥等提出基于三次样条曲线的参数优化问题，使得路径利于机器人的运动控制。单伟和孟正大提出使用极多项式和使用分段多项式函数是A*规划的路径来满足移动机器人的动力学特性。但上述改进算法考虑的是两轮车的运动学特性，不适用于无人驾驶汽车的路径规划。

由于在车辆的实际运动中需要路线是平滑的，具有连续的曲率的和不能有较大的转折的。而传统A*算法所规划的路径则存在这些问题。

发明内容

本发明的目的在于解决上述现有技术存在的缺陷，提供一种路径规划方法，该方法对车辆进行建模分析，得到最小的转弯半径和最大的曲率。同时，提出方向代价解决车辆在起始时刻方向盘打死问题。然后，对提取出来的转折点进行带有阿克曼转向约束的路径优化，使A*算法所规划出的路径更加符合车辆的运动学特性。

一种路径规划方法，包括以下步骤：

步骤1：初始化起点、终点的方向；

步骤2：判断起点和终点之间是否有障碍物，如果存在障碍物，则进入步骤3；如果没有障碍物，再进一步判断车身朝向与当前点和目标点构成的直线之间的夹角是否大于如果则用y＝k*x+b估计移动代价；如果则用y＝a*x²+b*x+c估计移动路径代价；

步骤3：将起始位置放到开启列表，将关闭列表初始化为空。执行A^*算法的扩展过程,即搜寻规划节点，所述开启列表表示待搜索节点列表；

步骤4：判断开启列表是否为空，如果为空，则寻找路径失败，退出程序；如果不为空，则进入步骤5；

步骤5：计算节点与起始点的方向代价o(n)＝a(n)+d(n)和路沿惩罚代价c(n)；其中，a(n)为起始点的朝向到当前位置的角度的代价，d(n)是起始点到当前结点n的直线代价；

步骤6：利用公式(4)计算开启列表中估价函数f(n)；

f(n)＝g(n)+h(n)+o(n)+c(n) (4)