[发明专利]一种改进双向快速搜索随机树算法的智能车路径规划方法

权利要求书

1.一种改进双向快速搜索随机树算法的智能车路径规划方法，其特征在于，具体包括以下步骤：

1)起始点和目标点两棵树相向搜索；

2)开始生成新节点，在节点扩展时，在地图上同时生成两个随机采样点，并通过距离函数来选择距离目标点较近的采样点来为下一扩展节点提供方向；

3)结合目标引力思想，根据概率来判断生成下一节点时是以目标点还是上一步新生较近随机采样点作为扩展节点方向；

4)在规划过程中，产生动态目标点，加快规划速度，两棵随机树分别选择对方生成的最新节点作为目标；

5)判断扩展过程中是否与障碍物或者地图边界发生碰撞，若碰撞，则重新生成新的采样点；否则，产生新节点；

6)两棵树的最新节点小于一定阈值，则生成路径；

7)结合车辆的非完整约束模型，提高生成路径的可行性；

8)采用B样条曲线对生成路径进行优化，提高路径的平滑性；

所述的步骤7)具体包括：

设智能车在任务空间中状态变量为(x,y,θ,v,φ)，其中(x,y)为无人车后轮轴的中心在系统坐标系下的坐标，θ为移动机器人前进方向与x轴的夹角，v为移动机器人的速度，φ为无人车前进方向与前车轮之间的夹角，因为无人车受到非完整性约束，故车轮和地面是点接触，假设接触点只有纯滚动不产生相对的滑动，则智能车的运动方程为：

根据运动方程，智能车所受到的约束方程为：

其中，智能车的控制变量为加速度u₀和车轮的角速度u₁，智能车的最小转弯半径的计算式如下：

式中K_max为最大曲率，φ_max为车辆前轮最大转向角，L为轴距，R_max为最小转弯半径；

约束条件还包括：

2.根据权利要求1所述的一种改进双向快速搜索随机树算法的智能车路径规划方法，其特征在于，所述的步骤3)包括：

在进行采样时，采用启发式采样，其随机树在进行扩展时，通过随机概率p₁(1p₁≥0)来确定目标点作为随机采样点的可能性，设定参照概率p，当pp₁，选择随机采样点作为最终采样点，当p₁p，选择目标点作为最终采样点，当目标点作为采样点时，使得随机树的生长具有一定的方向性和收敛性，能够提高随机树的扩展能力。

3.根据权利要求2所述的一种改进双向快速搜索随机树算法的智能车路径规划方法，其特征在于，所述的步骤3)还包括：计算扩展树新生节点q_new时，基本RRT中计算公式为：

q_new＝q_near+step(q_rand-q_near)/||q_rand-q_near||

其中，step为扩展时随机树的步长，(q_rand-q_near)表示两向量单位化，||q_rand-q_near||表示两点间欧氏距离，q_rand为随机点，q_near为距离随机点最近的一个邻近节点；

加入目标引力思想的新生节点q_new计算公式为：

q_new＝q_near+step₁(q_rand-q_near)/||q_rand-q_near||+step₂(q_goal-q_near)/||q_goal-q_near||

step₁为随机树向随机点方向扩展的步长，step₂为随机树向目标点方向扩展的步长，q_goal为目标点，||q_goal-q_near||为q_goal和q_near间的欧氏距离。