[发明专利]一种基于非均匀栅格模型的快速无人车局部路径规划方法

权利要求书

1.一种基于非均匀栅格模型的快速无人车局部路径规划方法，其特征在于，包括：

步骤1、定义S点为局部路径规划的起点，G点为局部路径规划的终点；将起点S作为规划空间的原点，方向为规划空间的x轴方向，采用垂直于x轴的栅线将规划空间划分成非均匀的N个分格，从起点S到终点G所述栅线由密到疏；局部路径由栅线上的点组成，从而将二维空间的路径规划问题，转化为对栅线上点的纵坐标规划问题；

步骤2、构建路径评价函数；所述路径评价函数由危险度评价函数、曲率惩戒函数、长度评价函数和偏差惩戒函数组成；危险度评价函数根据局部路径上各路径点与各障碍物之间的距离构造；曲率惩戒函数值表征与路径点总曲率呈正向关系的惩戒值；长度评价函数值表征局部路径的总长度；偏差惩戒函数值表征与局部路径、全局路径之间的偏差呈正向关系的惩戒值；危险度评价函数和曲率惩戒函数为强评价函数，具有明显的临界值，当优化变量超过临界值时，函数值迅速增大；当优化变量小于临界值时，函数值缓慢变化；长度评价函数和偏差惩戒函数为弱评价函数，没有明显的临界值，函数值随优化变量的变化缓慢变化；

步骤3、以各栅线上点的纵坐标作为优化变量，以所述路径评价函数为适应度函数，采用协方差矩阵自适应进化策略进行栅线上点的纵坐标优化；在每一次迭代过程中，采用如下公式自适应调整种群规模：

其中，λ_g为g代种群规模，λ₀为种群规模的参考值，α为个体正优化比率，α₀为个体正优化比率参考值，M为种群优化指数；当前种群个体的适应度函数值若优于父代中最优个体，定义为个体正优化，反之为个体负优化，正优化个体数与种群总个体数之比定义为个体正优化比率α；若当前种群的最优个体适应度函数值优于父代最优个体，定义为种群正优化，反之为种群负优化；当种群连续正优化时，种群优化指数M为连续种群正优化的代数，当发生连续种群负优化时，种群优化指数M为负的种群负优化代数。

2.如权利要求1所述的方法，其特征在于，步骤1中，非均匀的N个分格的栅线横坐标为：

其中，L为局部路径起点S到终点G的直线总长度，n为栅线序号，n∈[1,N]，β为栅线疏密度指数，β为1时，栅线均匀分布，β越大疏密变化越明显。

3.如权利要求2所述的方法，其特征在于，β＝2。

4.如权利要求1所述的方法，其特征在于，所述危险度评价函数的值为整条局部路径上各障碍物与各路径点的距离评价值之和；

构造表征规划空间中第h个障碍物与第n个路径点D_n之间距离的评价函数为：

其中，k_obs为系数常量，l_min为设定的最小安全距离，l_max为设定的最大危险距离，l_h→n为第h个障碍物与第n个路径点D_n的距离；

则整条局部路径的危险度评价函数为：

其中，H为规划空间中障碍物总数。

5.如权利要求1所述的方法，其特征在于，所述曲率惩戒函数值为考虑无人车的转角限制情况下，整条局部路径上各路径点的曲率对应的惩戒值；

首先计算各路径点D_n对应的曲率半径：使用三分法求得最大曲率K_n(t)_max，进而得到路径点D_n对应的最小曲率半径：

则局部路径的曲率惩戒函数为：

其中，γ＞1为梯度系数，R_min为无人车的最小转弯半径，R₀为局部路径的起点的曲率半径。

6.如权利要求1所述的方法，其特征在于，所述长度评价函数值为局部路径上各段路径的长度之和：

其中，(x_n,y_n)为局部路径上路径点D_n的横纵坐标。