[发明专利]一种基于MCTS算法的自动泊车运动规划方法

权利要求书

1.一种基于MCTS算法的自动泊车运动规划方法，其特征在于，包括：

获取车辆的初始状态和目标状态，所述的目标状态根据停车位的位置获取，根据初始状态和目标状态s_goal，通过MCTS算法获得最优轨迹数据集，所述的最优轨迹数据集表达式为：

{(s_i,α_i)|i＝0，1...n-1}

其中，i为0时，s₀为初始状态，i不为0时，s_i为车辆的第i个状态，α_i为处于状态s_i下的车辆的当前最优动作，执行α_i后车辆的状态由s_i变为s_i+1，n为最优动作数量，执行α_i+1后车辆状态由s_i变为s_i+1，执行α_n-1后车辆状态s_n-1由变为末态状态s_n；

以初始状态为起点，根据最优动作集控制车辆运行至最优末态状态s_n，所述的末态状态s_n与目标状态s_goal满足误差条件，完成自动泊车。

2.根据权利要求1所述的一种基于MCTS算法的自动泊车运动规划方法，其特征在于，在停车位所在平面构建平面坐标系，停车位朝向与平面坐标系X轴平行；

所述的状态s_i的表达式为：

其中，x_i和y_i分别在状态s_i下车辆后桥中点的横坐标和纵坐标，θ_i、和v_i分别为在状态s_i下车辆的运动方向、方向盘转向角和运动速度；

所述的动作α的表达式为：

其中，和Δv分别为规划周期Δt内车辆的转向角变化量和速度变化量。

3.根据权利要求2所述的一种基于MCTS算法的自动泊车运动规划方法，其特征在于，通过滑膜控制步骤求解转向角变化量修正值，控制车辆泊车时，用转向角修正量替换当前最优动作中的转向角变化量；

所述的转向角变化量修正值的计算公式为：

slaw＝c₁x₂+c₂[A+B·u]

u＝tan(ψ)

其中，ψ′为车辆前轮角度修正值，β为传动比，ψ为车辆当前的方向盘转向角，ψ_r为参考车辆前轮转角，θ为当前车辆航向角，θ_r为参考车辆航向角，slaw为趋近率，x₁为y轴坐标的误差，x₂为航向角正切值误差，c₁和c₂为设定权重，L为车辆轴距。

4.根据权利要求2所述的一种基于MCTS算法的自动泊车运动规划方法，其特征在于，所述的MCTS算法包括：

构建车辆模型，设定m种候选动作；

构建策略神经网络π；

以初始状态为起点，结合策略神经网络π，迭代执行动作寻优步骤，从m种候选动作中逐步挑选当前最优动作，更新当前轨迹数据集；

当满足迭代中断条件时，重新构建策略神经网络π，并迭代执行动作寻优步骤；

若通过当前轨迹数据集获取的末态状态s_n，now与目标状态s_goal满足误差条件时，迭代结束，此时当前轨迹数据集作为最优轨迹数据集。