基于离散优化的无人驾驶汽车轨迹规划

针对双向两车道无人车行驶场景,基于离散优化的方法,提出一种新的轨迹解耦规划算法。该算法将带有时间戳的三维轨迹规划问题,解耦成分别对路径和速度规划,速度规划时引入ST图,用以描述无人车与障碍物之间的运动关系。通过分层采样的方法构建路径Lattice图搜索初始路径,以及基于多目标A*搜索算法在ST图中规划出初始速度剖面,减少算法的计算量。同时,结合优化的方法对轨迹进行优化,使轨迹收敛到全局最优解。最后,通过仿真实验,验证了该算法的有效性和可靠性。     

无人车运动规划算法综述

回顾无人车运动规划问题.无人车的运动受微分约束,且运行环境既包括结构化的道路也包括非结构化的野地.根据具有阿克曼转向性质的车辆模型所具有的微分平坦性质,可以简化无人车的轨迹生成问题.相比直接轨迹生成法,路径-速度分解法更常用.回旋线、样条曲线、多项式螺旋线是使用较多的路径生成曲线.具有重要实用意义的两大类无人车运动规划算法分别是:以快速随机扩展树算法(RRT)为代表的基于采样的规划算法和以A*搜索算法为代表的基于搜索的规划算法.     

一种面向泊车场景智能车辆轨迹规划方法

局部轨迹规划是自主代客泊车系统的关键技术之一，在该场景下，现有智能车辆的局部轨迹规划方法存在规划耗时长、曲率不连续、安全性不足等问题.针对该类问题，提出一种面向泊车场景的智能车辆轨迹规划方法.该方法通过改进混合A^*算法的解析扩展以及引入风险函数，提升了初始路径搜索的实时性和安全性.进一步，结合初始路径以及二次规划方法实现路径平滑和速度规划，最终完成轨迹生成.仿真实验表明，所提方法能够提升智能车辆轨迹规划实时性、平滑性以及安全性，并且在实车试验上验证所提方法在实际泊车场景的可行性.     

基于图搜索与数值优化方法的分层轨迹规划方法

针对结构化道路场景中多约束的轨迹规划问题,提出一种路径和速度协同搜索、解耦优化的分层轨迹规划方法. 上层初始轨迹规划器考虑动态障碍物风险场与时空信息,构造时空代价地图,通过三维A*算法搜索得到安全可行的初始轨迹,保证初始轨迹解的质量. 下层运动轨迹规划器将轨迹规划解耦为路径规划和速度规划,以最小曲率、最大速度以及舒适性等为目标,采用数值优化算法构建路径和速度样条优化模型,使其在避障过程中能够充分发挥车辆的动力性能,同时保证驾乘舒适性,并以局部时空隧道思想简化约束条件,提高求解效率. 通过试验验证本文提出的方法具有较好的行驶效率、舒适性以及实时性.     

基于GIS与约束条件下的最优路径规划研究

根据无人地面车辆自主导航的需求,提出一种给定任务点的约束条件下的最优路径实现方法. 首先基于地理信息系统（GIS）平台构建为车辆行驶提供先验信息的GIS数据库,并设计研究基于计算几何的路段匹配算法,同时结合A*算法进行全局路径规划. 然后根据无人地面车辆的运动特性和对路口识别的需求提出了新的路口模型,同时为保证无人地面车辆行驶轨迹的平滑性和对路口识别的精确性,对路口轨迹和U-turn轨迹进行了算法设计. 最后提出了动态重规划的行驶策略. 实际跑车实验证明了该设计算法的有效性.      

高速公路弯道换道决策及运动规划优化

弯道换道决策及运动规划算法主要影响自动驾驶汽车的安全性和操纵稳定性。针对高速公路弯道换道场景决策的安全性和行驶效率不够高的问题,提出新的基于主车相对前车的驾驶不满意度的决策算法。为了提高运动规划算法实时性,采用路径-速度解耦框架进行主车换道轨迹规划。对于路径规划,选择五次多项式曲线,采用考虑安全、舒适和高效性的4个换道路径评价指标,实现最优路径规划。对于速度规划,结合动态规划与二次规划优化获取平滑速度规划曲线。仿真结果表明基于驾驶不满意度的换道决策模型能选择更高效和安全的行驶方式。在典型的主车换道场景,主车最大质心侧偏角,最大横摆角速度的数值均小,表明换道轨迹规划算法能确保主车换道的安全性和操纵稳定性。     

非平行初始状态自动泊车轨迹生成方法

研究车身姿态非平行初始状态下的自动泊车系统轨迹生成方法。 结合车辆运动学模型和融合动力学约束条件,分析泊车过程车辆运动路径;利用图像信息匹配车身初始姿态,最后基于全局规划生成由三段圆弧构成的完整泊车轨迹。 与传统最小半径轨迹生成法进行对比表明非平行初始状态轨迹生成算法具有更强的鲁棒性。 实车试验结果表明,车辆初始姿态角在±15°范围内,6.0 m×2.3 m车位环境下,文中算法泊车成功率达到90%。      

无人靶车动态避障研究

无人靶车是军事训练中必不可少的一部分。为了测试各类精准打击武器,需要无人靶车自主移动到目标点。由于测试武器的场地环境比较复杂,所以需要无人靶车躲避移动过程中突如其来的障碍物。基于贪心初始化算法的动态避障算法（Greedy Initialization Dynamic Obstacle Avoidance, GIDOA）可以求解无人靶车动态避障路径规划问题（Dynamic Obstacle Avoidance Routing for Unmanned Target Vehicle, DOARUTV）。该算法在传统的D~*算法（Digital Smart Technologies for Amateur Radio）的基础上进行改进,结合贪心初始化算法,有效地探索了初始解,加快了算法迭代速度。为了验证该算法的可行性和有效性,使用Python编程语言将GIDOA和迪克斯特拉算法（Dijkstra）、A~*算法（A-star Algorithm）进行对比。实验结果表明：GIDOA能够解决具有动态避障功能的无人靶车问题,对比Dijkstra算法和A*算法更适合DOARUTV的求解。     

基于改进A*算法的一种智能车路径规划方法

轨迹规划是智能车安全行驶的关键技术。本文基于A*算法在复杂地图轨迹规划耗时长,拐点多等问题,提出了一种基于图论及几何方法的改进A*算法的避障与导航方法。该方法在传统A*算法的基础上结合图论进行路径规划,同时剔除路径中冗余节点,并采用Labview进行具体的仿真实验来验证轨迹规划算法的性能。结果表明：该算法在复杂环境中仍能有效找到距离短且平滑路径,提高了智能车的运行效率降低了能耗,可用于实际的智能车安全行驶管理中。     

一种基于时间窗的自动导引车动态路径规划方法 

针对多自动引导车（Automatic Guided Vehicle,AGV）在柔性制造系统中的路径规划问题,提出一种基于时间窗的动态路径规划算法,能有效地避免车-车冲突、碰撞等问题,并且得到的路径是时间最优的.在备选路径上,通过时间窗的初始化、时间窗的更新、以及时间窗的排布,可以实现多辆车同时运行,相互之间不产生冲突碰撞.仿真实验和真车实验表明,该算法用在AGV路径规划上,能实现多车之间的无冲突、时间最优的路径规划功能.     

基于势场法的无人车局部动态避障路径规划算法

根据无人车动态实时避障的需求,提出一种基于人工势场法的局部避障路径规划算法,通过改进势场环境及势场力来解决传统势场法局部极小值和目标不可达的问题. 考虑车辆碰撞安全性,对侧向动态障碍物和同向动态障碍物工况进行分析,采用动态窗口法进行实时动态避障规划. 同时为保证规划路径的平滑性和可跟踪性,采用贝塞尔曲线对轨迹进行平滑处理. 最后,在CarSim和Matlab/Simulink 联合仿真平台下,对所提出的控制算法进行验证. 仿真结果表明了规划算法的避障有效性、安全性以及可跟踪性.      

基于航海雷达的水面无人艇局部路径规划

要：
设计了一种基于航海雷达图像处理的规划方法,以处理水面无人艇的局部路径规划问题.利用边缘保持的去噪平滑算法和自适应阈值法对航海雷达的原始图像进行处理并建立了环境模型,采用距离寻优的Dijkstra算法搜索最佳路径,将所提出的算法经海上和湖上实验加以验证.结果表明,所得规划结果良好,搜索的路径距离较短、搜索速度较快并满足实验要求. 关键词：
水面无人艇; 航海雷达; 图像处理; Dijkstra算法; 局部路径规划 中图分类号： TP 391
文献标志码： A     

障碍条件下串联机械手运动规划设计

障碍条件下机械手运动规划问题是机器人技术的研究热点,可分为路径规划、轨迹规划和轨迹优化等三部分,运动规划的优劣影响着机械手的工作质量和效率.基于障碍条件下系统设计了机械手运动规划算法框架,即路径规划用于有效避障,轨迹规划保证运动连续平滑,轨迹优化达到高效运行,以此来满足不同工况需求.同时阐述了运动规划涉及到的相关算法,...     

基于地图建立的无人地面车路径规划

 提出一种同时完成地图建立与路径规划的算法。该算法为两层控制结构,其上层实现子目标点的生成,下层完成局部路径规划及运动控制。根据系统实时性的要求,以N个系统周期为触发条件执行子目标点生成程序。其中无人地面车通过传感器不断获取环境信息并进行处理,完成网格占据方式的地图建立与实时更新;将地图建立的结果作为数据输入,利用A*路径规划算法生成子目标点。根据子目标点生成结果,在每个系统周期内,通过基于模糊控制的底层快速算法完成无人地面车到子目标点的运动控制。以Pioneer 3-AT型无人地面车为试验平台在未知的复杂环境中对该算法进行验证,取得了良好的地图建立和路径规划效果,证明了该算法具有良好的实时性和准确性。     

一种移动机器人三维路径规划优化算法

对移动机器人在三维工作环境中障碍物位置和形状已知条件下的全局路径规划问题进行研究.机器人的初始路径取为出发点到目标点的直线路径,引入人工神经网络结构和模拟退火温度定义路径能量函数;根据多面体形障碍物的形状特征设定各边界面不等的模拟退火初始温度,并且对路径点位于障碍物内、外的不同情况建立不同的运动方程;提出一种基于神经网络结构能量函数的路径规划算法及其优化算法,对所提路径规划算法进行仿真研究.研究结果表明,该算法是一种有效的移动机器人三维路径规划算法;算法计算简单,不存在组合爆炸问题;可避免路径规划的某些局部极小值问题;优化算法能够规划出移动机器人最短避障路径,并且可加快路径规划收敛速度.     

结构化道路下基于层次分析法的智能车避障轨迹规划

为实现结构化道路下智能车最优避障轨迹的规划,设计了基于层次分析法的轨迹择优体系。首先,以三次B样条曲线为路径规划器,生成满足曲率连续且曲率最值受控的路径,并以此构造路径簇;其次,为实现主客观指标的量化表达,以平滑性和经济性为准则,以路径长度、曲率和、曲率变化率和以及偏离目标点的距离为子准则,构造AHP路径择优体系,筛选出最优的路径;然后,采用三次多项式表征速度相对时间的变化,以满足速度、加速度、加速度导数的连续;最后,参考国家标准设计测试场景,验证方法的稳定性与算法的实时性。经5 000次循环仿真测试表明:算法具有较高的实时性,0.1 s内能规划出可行轨迹的概率在94%,0.16 s内则能100%规划出可行轨迹;规划的轨迹便于车辆跟踪,方法具有较高的稳定性,实车峰值横向误差小于0.21 m,峰值车速误差小于0.42 m/s,平均车速误差小于0.11 m/s,总体呈收敛的趋势。     

基于增强拓扑神经演化强化学习的水面无人艇局部路径规划

针对水面无人艇(unmanned surface vessel, USV)在复杂环境下的局部路径规划问题,对USV路径规划问题进行了数学建模,提出了基于增强拓扑神经演化(neuroevolution of augmenting topologies, NEAT)算法的局部路径规划方法;设计了神经网络初始结构和演化参数,对初始神经网络结构进行演化实现避障及到达指定目标的路径规划任务;通过设计适应度函数,实现路径点数目的优化。仿真结果表明:利用NEAT算法演化神经网络的方法能够使USV在复杂的环境中准确避开障碍物并到达目标点,且在路径点数目和鲁棒性方面优于传统的模糊逻辑算法与人工势场算法。     

基于Voronoi图的无人机航路改进规划

针对传统B样条插值法在无人机航线优化路径中的不足,基于Voronoi图提出一种新的快速优化航路算法.首先根据最短路径算法在Voronoi图中生成初始路径,然后在路程时长和权重大小最优的情形下,采用该优化算法对路径中构成不可飞夹角的各节点进行更新和替换,生成一条最优路径.该算法解决了因初始路径不合理导致无人机不可飞的情形,同时保证了航路中威胁代价和燃油代价的最优.实验结果表明,该算法满足航路规划的有效性和合理性.     

融合图像识别和VFH+的无人艇局部路径规划方法

针对水面无人艇在复杂海况下的局部避障问题,文中引入深度学习方法来处理视觉信息,提出了结合VFH+算法的水面无人艇的局部路径规划方法.首先利用对称的编码器-解码器结构的图像语义分割模型和Faster RCNN网络模型进行水面边界线检测及水面障碍物识别,构建水面无人艇环境模型;然后采用基于VFH+的局部路径规划方法,通过逐步构建主直方图、二元直方图和掩模直方图压缩环境数据,引入合理的代价函数来获取实现水面无人艇的有效避障方向规划.在MODD图像数据集上的仿真实验以及实船避障实验结果表明,该方法能有效地提取水面图像信息,并得到合理的局部路径规划策略,在10 kn航速下的避障轨迹平滑,可满足水面无人艇的自主避障需求.     

基于自学习可见图的机器人路径规划

针对未知环境下的机器人路径规划问题 ,提出了一种基于自学习可见图与局部最优的路径规划算法 .在这种算法中 ,采用自学习可见图来表示环境 ,并在路径规划的过程中逐步建立自学习可见图 .在避障上设计一个局部最优算法并提出了一种局部路径规划算法 .实验表明 :该方法规划速度快 ,并且能规划出局部最优的路径 ,满足未知环境下机器人路径规划的要求 .