[发明专利]一种基于A*算法和人工势场的无人车轨迹规划方法

权利要求书

1.一种基于A*算法和人工势场的无人车轨迹规划方法，其特征在于，包括以下步骤：

1)把道路栅格化划分，其中，栅格长度为被控车长栅格宽度为车道宽；

2)将被控车辆所在栅格前方的多个车道栅格作为目标点；

3)根据A*算法，进行轨迹规划，得到多条期望轨迹；

4)根据人工势场方法计算各条期望轨迹的路径势场峰值和累积值；

所述步骤4)中人工势场方法如下：对被控车的总势场U定义为车线势场、道路边界线势场、障碍物势场的势场总和：

U＝U_lane+U_road+U_obstacle

其中，U_lane为车道线势场，U_road为道路边界势场，U_obstacle为障碍物势场，分别表示如下：

U_lane＝k_lanee^m

其中，k_lane、k_road、σ_lane、y_lane,j、y_road,i分别表示车道线势场系数、道路边界势场系数、车道线势场的收敛系数、第j条车道线在Y方向上的位置、第i条道路边界线的位置；

障碍物分为可跨越障碍物和不可跨越障碍物，障碍物势场为可跨越障碍物势场和不可跨越障碍物势场之和，如下：

U_ostacle＝U_{obstacle-cross}+U_{obstacle-nocross}

其中，U_{ostacle-cross}表示可跨越障碍物势场，U_{ostacle-nocross}表示不可跨越障碍物势场，分别表示如下：

U_{obstacle-cross}＝KvVk_{obstacle-crosse}(-d²/2σ_o²)

U_{obstacle-nocross}＝KvVk_{obstacle-nocross}/d²

其中，V、K_v、k_{obstacle-cross}、k_{obstacle-nocross}、d、σ_o分别表示被控车辆和障碍物的相对速度，相对速度系数，可跨越障碍物势场系数，不可跨越障碍物系数，与障碍物的距离，障碍物影响范围系数；

根据上述方法计算所规划路径的势场峰值以及势场累计值，势场峰值即轨迹上势场最大的点的势场值，势场累计值即轨迹上所有点势场值之和；

5)基于各路径势场峰值和累积值和轨迹筛选函数选定最优路径输出；

所述步骤5)中，轨迹筛选函数如下：

U_i＝p×U_peak+q×U_all

其中，U_i表示轨迹筛选函数值，U_peak表示规划轨迹的势场峰值，U_all表示规划轨迹势场累计值，p、q表示权重系数,轨迹筛选函数值越低，轨迹越优。

2.根据权利要求1所述的基于A*算法和人工势场的无人车轨迹规划方法，其特征在于，所述步骤3)中，还包括对根据A*算法进行轨迹规划得到的多条期望轨迹进行基于多项式拟合方法的平滑处理。