[发明专利]基于改进遗传算法和B样条拟合的无人车路径规划方法

权利要求书

1.基于改进遗传算法和B样条拟合的无人车路径规划方法，其特征在于，包括以下步骤：

S1：使用多面模型表示法对无人车的工作环境进行建模；

S2：设置算法的初始化参数，种群数量、最大迭代次数、交叉率、变异率、学习因子、随机惯性权重的最大值和最小值等；

S3：编码；

S4：初始化种群，并将每个个体的初始速度设置为0；

S5：利用三次B样条拟合方法在节点之间插入节点；

S6：进行碰撞检测，判断路径中每个路径节点是否与障碍物发生碰撞，如果发生碰撞，则在适应度函数中添加惩罚；

S7：根据适应度函数，计算初始化种群中所有个体的适应度值；

S8：执行选择操作，对初始化种群生成的路径进行更新；

S9：执行交叉操作，对选择操作生成的路径进行更新；

S10：执行变异操作，对交叉操作生成的路径进行更新；

S11：更新随机惯性权重；

S12：对种群中每个个体进行速度更新和位置更新；

S13：判断是否达到最大迭代次数，若达到最大迭代次数，则停止搜索，输出最优路径，否则跳转至S8进行下一次迭代寻优。

2.根据权利要求1所述的基于改进遗传算法和B样条拟合的无人车路径规划方法，其特征在于，所述步骤S1的环境建模具体为：

使用多面模型表示法对无人车的工作环境建模，无人车的运动空间用二维平面图形表示，障碍物的顶点用(x,y)记录，障碍物被设置为静态的、已知的圆形或不规则多边形，无人车用质点代替。

3.根据权利要求1所述的基于改进遗传算法和B样条拟合的无人车路径规划方法，其特征在于，所述步骤S3中编码操作具体为：

使用二维坐标表示无人车行驶的路径。

4.根据权利要求1所述的基于改进遗传算法和B样条拟合的无人车路径规划方法，其特征在于，所述步骤S4中初始化种群具体为：

采用随机和定向两种搜索策略来生成改进遗传算法的初始化种群集，从而保证了初始化种群的多样性和随机性。

5.根据权利要求1所述的基于改进遗传算法和B样条拟合的无人车路径规划方法，其特征在于，所述步骤S5中插入节点的方法具体为：

利用三次B样条拟合方法在路径起点、路径节点、路径终点之间插入若干个插入点。

6.根据权利要求1所述的基于改进遗传算法和B样条拟合的无人车路径规划方法，其特征在于，所述步骤S6中碰撞检测的方法具体为：

对于圆形障碍物，若各个插值点到圆心的距离均小于圆的半径，即插值点位于圆形障碍物的内部时，此时路径发生了碰撞，反之则没有发生碰撞；

对于不规则障碍物，连接相邻的两个插值点(x_i,y_i)和(x_i+1,y_i+1)，分别判断两点之间的连线与障碍物的每一条边之间是否有交点，如果连线与每一条边都没有交点，则路径没有与不规则障碍物发生碰撞；反之，如果与其中任意一条边出现了交点，则路径发生了碰撞。

7.根据权利要求1所述的基于改进遗传算法和B样条拟合的无人车路径规划方法，其特征在于，所述步骤S7中适应度函数具体为：

其中，p表示惩罚系数，用来淘汰生成的较差路径；c表示生成的路径与障碍物发生碰撞的次数，D表示无人车的路径长度，可根据公式(2)进行计算。

其中，(x_i,y_i)和(x_i+1,y_i+1)表示第i和i+1个节点的二维坐标；N表示生成路径所经过的节点数。