全自动平行泊车路径规划方法研究

为解决车辆泊车过程中发生碰撞预警,导致车辆无路径可跟踪的问题,为提高泊车成功率,提出一种全自动泊车路径规划方法,包括一次路径规划和二次路径规划。在对不同泊车状态进行约束分析的基础上,以路径曲率最小为优化目标,建立路径优化函数。利用Matlab非线性约束优化函数求得一次、二次路径轨迹函数参数。车辆在一次泊车发生碰撞预警的情况下进入二次路径规划模块。仿真结果表明:一次路径规划方法能满足车辆轨迹连续且无碰撞泊入车位;如若出现预警碰撞,二次路径规划方法能保证连续、安全泊入车位,为安全泊车提供了二次保障。     

多项式曲线优化的垂直泊车路径规划与跟踪

为提高复杂环境下自动垂直泊车的安全性和成功率,提出一种基于多项式曲线优化的垂直泊车路径规划方法和跟踪控制策略.首先,基于直线-圆弧路径下逆向泊车的方法,计算垂直泊车可行起始点范围.其次,综合考虑车辆位置结构和道路边界约束,以多项式为基函数、泊车终点姿态角最小为目标,建立多约束非线性规划路径函数模型,利用粒子群算法求解垂直泊车路径.最后,结合模糊神经网络控制方法,设计路径跟踪控制器.构建Simulink/CarSim仿真模型,对所提路径规划方法和跟踪策略进行仿真,结果验证了所提泊车路径规划和跟踪控制策略的可行性和有效性.     

一种任意起始位姿的连续曲率泊车路径在线规划方法

针对目前泊车路径规划算法对起始位姿要求严格，且难以兼顾最终位姿精度、路径质量及计算效率等问题，提出了一种任意起始位姿的连续曲率路径在线规划方法。该方法将整个泊车路径规划分为库位内调整与入库过程两部分。库位内调整采用以最终位姿高精度与调整次数最少为目标函数的最优化方法进行逐段规划；入库过程采用连续曲率曲线组用于混合A*算法的状态节点扩展以直接生成无需后处理的可执行路径。设计考虑路径的曲率变化与方向改变次数的估价函数；采用由路径几何形状特征点构建特征多边形的碰撞检测方法以提高计算效率。离线仿真与实车试验结果验证了该方法的有效性。     

基于分层架构的自主代客泊车路径规划

为了解决最后一公里自动驾驶问题,提出一种基于分层架构的自主代客泊车路径规划算法.首先,利用栅格扫描算法快速准确地将自主代客泊车环境地图转化成为Voronoi图,量化自主代客泊车环境中任意栅格格网区域与其最近障碍物距离.随后,利用A*算法规划出全局自主代客泊车路径,并采用优先队列数据实现A *算法的开放列表来提升其计算效率.最后,基于自主代客泊车环境Voronoi图实现汽车碰撞检测,并采用改进动态窗口法沿着全局自主代客泊车路径规划出满足汽车非完整约束和机械约束的无碰撞路径,扩展传统动态窗口法的可行解空间和降低其保守性.在VC ++6.0环境中验证所提出的自主代客泊车路径规划算法的可行性和有效性,结果表明,该算法可以安全、快速地引导汽车到达目标泊车位附近,为汽车后续执行泊车操作奠定基础.     

室内移动机器人路径规划研究

路径规划是自主移动机器人的研究重点。针对传统的A*算法搜索出的路径存在途径危险区域,未考虑机器人外形尺寸、路径不平滑等问题,提出了一种改进A*算法的路径规划方法。在新的栅格化环境地图中,通过改进的搜索策略进行路径搜索;并对路径点删减和优化,通过分段多项式曲线平滑路径。实验仿真结果表明,新方法生成的路径满足移动机器人的动力学和运动学特性,且更符合室内移动机器人的轨迹跟踪和运动控制,该方法简单有效。     

基于改进A*算法的无人驾驶车辆路径规划方法研究

针对传统A*算法所规划路径距离障碍物近、转折点多、路径不平滑的问题,对A*算法进行改进并应用于无人驾驶车辆路径规划中.在传统A*算法分析的基础上对背向障碍物搜索和评价函数进行改进,同时采用3次样条插值方法对规划后路径平滑处理.将传统A*算法和改进A*算法应用于MATLAB环境下搭建的无人驾驶车辆模型进行路径规划仿真分析...     

基于批处理先验知识树的自主代客泊车路径规划

针对室内结构化场景的自主代客泊车路径规划问题,基于批处理先验知识树(BIT*)算法和滚动优化思想提出一种自主代客泊车路径规划方法.首先,基于BIT*算法规划全局自主代客泊车路径,并采用数组实现影响BIT*算法搜索效率的树节点优先队列和树边优先队列,提高全局自主代客泊车路径规划效率.然后,基于滚动优化思想和圆弧-直线组合方法规划满足汽车运动学约束和避障约束的局部自主代客泊车路径,基于滚动优化思想规划的局部自主代客泊车路径可以将汽车引导到泊车位附近,而基于圆弧-直线组合方法规划的局部自主代客泊车路径可以使汽车安全驶入泊车位.最后,仿真验证所提出的自主代客泊车路径规划方法的可行性和有效性,结果表明:相对于基于传统快速扩展随机数(RRT)算法的自主代客泊车路径规划方法,提出的方法搜索效率更高,并且规划的自主代客泊车路径满足汽车运动学约束和避障约束.     

健康投资对中国经济发展的影响研究——基于省级面板数据的空间计量检验

针对全局路径规划问题提出了一种改进的A*算法.首先,采用栅格方法建立环境模型,使用A*算法进行初步的路径规划.其次,针对A*算法规划的路径冗余点较多以及路径长度和转折角度较大的缺陷,提出将A*算法规划出的路径按较小的分割步长进行分割,得到一系列路径节点.最后,从起点开始依次用直线连接终点,当直线没有穿过障碍物时,则将中间路径点剔除,减小路径长度和转折角度.在仿真实验和实物实验中,分析和比较了本文算法与A*算法以及另一种改进A*方法.另外还研究了在不同障碍率、任务点数量和分割步长的情况下,本文算法与其他算法的优劣.结果表明,本文算法能有效地减小路径长度和转折角度.     

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。     

融合插点和跳跃点改进A*算法的路径规划

为了解决传统A*算法在路径规划中存在的一些问题,提出了一种融合插值点跳跃搜索路径算法来改进A*算法。在对栅格环境图中具有特殊意义的多组数据进行预处理后,通过起始点和目标点确定目标函数,并搜索出一条最优路径。利用MATLAB软件平台对8组规格不同的环境图进行了路径规划仿真。实验结果表明,改进后的算法可以减少计算时间、搜索节点数量、内存占用和搜索路径长度。可见改进后的算法在搜寻最佳路径方面的效率更高。     

基于改进粒子群优化的多无人机协同航迹规划

由于航迹规划可以为多无人机飞行控制提供参考指令,且当前粒子群航迹规划算法存在收敛速度慢,成功率不高的缺点,故提出了一种综合改进粒子群的多无人机协同航迹规划算法,考虑了无人机性能约束、障碍与威胁约束、空间协同与时间协同约束。首先,通过对学习因子线性化调整,实现了粒子惯性和最优行为的平衡;其次,引入混沌初始化,改善了粒子分布质量;然后,基于遗传变异思想设计了取代策略,同时提出了调速机制,提升了算法收敛速度。最后,将综合改进粒子群算法进行仿真验证,规划结果成功率高、收敛速度快且航迹代价小,可见改进算法的有效性。     

基于改进快速行进树的自主代客泊车路径规划

为了加速自主代客泊车系统落地，基于改进快速行进树算法提出了一种自主代客泊车路径规划方法.首先，采用类广度优先搜索策略建立环境地图的“路径场”，并提出一种高计算效率的避障检测策略，基于环境地图“路径场”提出一种符合汽车非完整约束的远端参考点和近端参考点选取原则与路径节点更新原则，通过使路径节点逐渐靠近目标节点来完成自主代客泊车引导路径规划任务. 其次，基于Dubins曲线规划满足初始泊车方位角任意性要求和泊车位方位角的非唯一性要求的泊车路径，引导汽车安全驶入泊车位.最后，仿真验证所提方法的可行性.结果表明：相对于传统的快速行进算法，所提方法规划的自主代客泊车路径满足汽车非完整约束要求，可以安全引导汽车完成自主代客泊车任务.     

基于改进A*算法的燃气微泄漏四足巡检机器人路径规划

针对四足机器人在城市燃气微泄漏巡检中路径规划的需求,提出了一种基于改进A*算法的四足机器人燃气巡检路径获取方法。首先,采用网格法构建了四足机器人的二维工作地图。然后改进A*算法的启发函数,引入了自适应调整策略,让搜索节点减少且路径更不易陷入局部最优。最后从路径长度、平均搜索时间、搜索节点个数三个性能方面进行评估,改进A*算法达到了预期效果。使用Matlab2016b作为仿真软件,仿真结果显示,改进A*算法完成了寻路任务。与经典A*算法相比,改进算法的平均搜索时间降低了52.13%,搜索节点个数减少了30.23%。该算法在尺寸200×200以下地图的路径规划中具有较高的搜索效率。     

地下车库灯光智能控制系统

传统的地下车库照明主要采用人工控制方式,通常是让大部分灯具保持长久照明,这种方式极大地浪费了电能。针对以上问题,设计一种地下车库灯光智能控制系统。该系统在对车库环境合理建模的基础上,通过采用一种新型的智能灯光控制器,利用经典的A*搜索算法,结合已有的车牌识别技术,不仅能够合理控制车库内的照明,避免长明灯现象,还能利用灯光对车库内车辆到达指定位置进行导航。本文对一个具体车库实例利用A*搜索算法进行了从入口到指定车位的路径计算,并做了仿真演示,结果表明本系统运行可靠,节能实用。     

移动机器人全局动态路径规划融合算法

针对移动机器人全局动态路径规划效率较低的问题,提出一种基于安全A^*算法与双速度模型动态窗口法的全局动态路径规划融合算法.首先,通过安全A^*算法得到全局最优路径节点,将其作为临时目标节点,为动态规划提供全局信息,避免出现局部最优.然后,采用时间序列Bottom-Up算法减少路径节点数,从而减少迭代次数、计算代价和储存代价,提高算法效率.最后,采用双速度模型对动态窗口法进行改进,通过避障重规划机制,解决全局动态路径规划时移动机器人绕远甚至绕圈的问题,并通过MATLAB平台进行仿真实验.仿真结果表明：文中算法的规划效率可提高46.18%,保证了路径的安全性和移动机器人速度的平稳性,文中算法的路径质量和规划效率更佳.     

一种改进工业自动导引车路径规划算法

为了解决当前工业自动导引车(automated guided vehicle,AGV)栅格地图下路径规划算法存在路径转弯较多、弯曲度较大、搜路时间较长且距离障碍物近等问题,基于A?算法提出了一种改进路径规划算法.首先,通过在全局地图中设置路径关键节点,生成关键点拓扑地图,并利用Floyd算法进行最短路径规划,输出路径节点集合;其次,利用A?算法对集合中相邻节点进行路径规划,并将生成的路径进行拼接;最后,通过引入贝塞尔曲线对拼接路径进行平滑处理,以获取全局路径.实验结果表明:本文算法规划的路径转弯更少、弯曲度更小、搜索时间更短且能完全避开障碍物行走,更符合工业AGV的应用环境.     

基于RBF神经网络的自动泊车路径规划

文章通过逆向路径规划分析平行泊车过程的可能碰撞点和计算泊车所需的最小泊车空间,用泊车初始区域代替传统路径规划的初始点,实车试验采集泊车过程的数据,采用不同的数据样本用于粒子群优化的RBF神经网络,避免对安全距离等多种约束关系的分析,使规划的泊车路径能较好适用于实际泊车过程。仿真结果和实车试验均表明按照上述方法生成的路径泊车成功率较高。     

基于GIS地图的移动机器人路径规划

针对移动机器人路径规划实现条件的限制,提出基于GIS (geographic information system)地图的移动机器人路径规划.该方法应用改进A*算法,较好地实现了移动机器人的最优路径规划.在任意给定的地图中,只要确定了机器人的起点和终点,就可以找到该机器人在实际工作环境中符合需求的路径规划轨迹.应用VC++编程进行实验,证明了该方法的有效性.