[发明专利]一种基于A星优化算法的寻路方法

说明书

本发明提供了一种基于A星优化算法的寻路方法，给出地图的网格图，并确定相应障碍点的位置坐标，确定起始点和目标点坐标；构建起始点和目标点之间的直线函数，求出直线与网格相交的关键点，再求出相关毗邻的节点，判断这些节点中是否有与障碍点重合的节点；若节点与障碍节点不重合，则寻找的最佳路径就是汽车起始点和目标点之间的一条直线；若遇到障碍点，就内部调用A星算法，将该点周围非障碍节点放入open列表中；判断open列表是否为空；从open列表中取出一个f值最小的点，作为寻找路径的下一步；判断该点是否是目标点，如果是，则寻路成功，算法结束；否则继续寻路，将该点设为当前点，继续如上的寻路过程。本发明通过一个对障碍物的预处理，进行算法的优化，减少节点的搜索时间和计算内存。

技术领域

本发明涉及无人驾驶汽车技术领域，尤其涉及一种基于A星优化算法的寻路方法。

背景技术

无人驾驶汽车是通过车载传感系统感知道路环境，自动规划行车路线并控制车辆到达预定目标的智能汽车。无人驾驶汽车集自动控制、体系结构、人工智能和视觉计算等众多技术于一体，是计算机科学、模式识别和智能控制技术高度发展的产物，也是衡量一个国家科研实力和工业水平的一个重要标志，在国防和国民经济领域具有广阔的应用前景。

其中寻路作为无人驾驶车辆基本的问题之一，即车辆按照程序指定的合适的路径从地图的A点抵达B点，根据车辆对周围环境的了解程度的不同，分为全局路径规划和局部路径规划两种方法。随着网络的快速发展，寻路技术已经成为无人驾驶汽车的核心组成部分，物体按照某种指定方式移动，就要求程序必须能够找到一条从起点到目标点的最佳路径，这条路径应该是绕过障碍物并且到达目的地的最短的路径。

目前应用最为广泛的寻路方法为启发式A星搜索算法，就是有启发地寻找目标结束点，并且在基于最小成本的情况下，尽可能的找到通向目标点的最合适最短的路径。但是传统启发式A星搜索算法在面对障碍时会进行许多无用节点的搜索，国内外的学者也对此进行了大量的研究，例如：王善坤等根据改进的人工势场法让绕过障碍物的曲线更加平滑，但是依然需要在障碍物周围进行搜索；蔡方方等根据双层A星算法进行二次搜索来绕过障碍物，虽然可以避开障碍物，但是增加了A星算法的搜索时间；高庆吉等引入了“人工搜索标记”起到预先判断或者逃离障碍物的作用，但是需要对障碍物周围进行无用节点的预搜索处理。

综上所述，虽然目前学者们做出了许多研究，但是依然存在搜索过程中无用节点的搜索，导致增加了搜索的时间和计算的内存。

发明内容

本发明提供的一种基于A星优化算法的寻路方法，解决了传统启发式A星搜索算法在面对障碍时会进行许多无用节点搜索，导致增加搜索时间和计算内存的问题，使无人驾驶汽车能顺利的绕开障碍，减少了搜索所用的时间和计算内存。

为达到上述目的，本发明的技术方案具体是这样实现的：

本发明公开一种基于A星优化算法的寻路方法，包括以下步骤：

给出地图的网格图，并确定相应障碍点的位置坐标，确定起始点和目标点坐标；

构建起始点和目标点之间的直线函数，根据所连直线的倾角，判断采用横向遍历还是纵向遍历，求出直线与网格相交的关键点，再求出相关毗邻的节点，判断这些节点中是否有与障碍点重合的节点；

若节点与障碍节点不重合，则寻找的最佳路径就是汽车起始点和目标点之间的一条直线；

若遇到障碍点，就内部调用A星算法：

f_(n)＝g_(n)+h_(n)