智能车辆避障路径规划方法研究

为解决车辆在避障时由于路径曲率不连续易发生原地转向的问题，该文对比探究智能车辆避障路径规划方法，开展了五次贝塞尔曲线、三次贝塞尔曲线、五次样条曲线和三次样条曲线避障路径研究。首先，确定控制点分别拟合出五次贝塞尔曲线、三次贝塞尔曲线、五次样条曲线和三次样条曲线的避障路径；其次，采用Matlab和Carsim联合仿真分析的方法对该四种避障路径的曲率进行对比分析；最后，基于无人驾驶平台，采用纯跟踪预瞄模型开展实车试验，以此探究四种避障路径的工程实用性。结果表明：采用样条曲线和贝塞尔曲线进行避障规划，车辆的横向超调量为0;相比于三次曲线避障方法，五次曲线避障方法所规划的路径曲率更连续；相比于样条曲线避障方法，贝塞尔曲线避障方法车辆的转向更稳定。     

一种基于A*算法的空间多自由度机械臂路径规划方法

针对机械臂在运动过程中可能会与工作环境中的障碍物发生碰撞的问题,文章提出了一种基于A*算法的机器人避障路径规划算法。在给定的避障环境下运用A*算法搜索一条给定的自起点到终点的最优避障路径,考虑到机械臂在运动过程中的稳定性,采用二次B样条曲线对该路径进行平滑优化;根据标准的D-H法对机械臂进行建模,建立机械臂的运动学方程,并求取一组能够最优实现避障路径的运动学逆解;检测机械臂本体与障碍物是否发生碰撞,若发生碰撞,结合机器人逆解的多解性,重新选择最优的一组可行解。通过软件Solidworks建立虚拟样机导入ADAMS软件进行仿真实验,最终验证了基于A*算法的空间多自由度机械臂避障路径规划的有效性和可行性。     

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.      

面向低速自动驾驶车辆的避障规划研究

重点研究了在结构化的环境中低速自动驾驶车辆的实时路径规划问题。为了保证规划路径曲率一阶导的连续性,采用三次B样条曲线对参考路径进行平滑与插值。在Frenet坐标系下,基于五次多项式曲线生成一组运动学可行的候选路径。为了解决碰撞检测中准确性不高的问题,在Frenet坐标系下描述车辆位姿,并转换回栅格地图中进行碰撞检测。同时考虑规划路径的安全性、平滑性和连续性等,评估选取最优避障路径。最后,将该方法应用于低速无人驾驶清扫车上,对普通直道及弯道静态障碍物避障等工况进行实车试验。实验结果证明了所提出的路径规划算法的有效性。     

基于Bézier曲线的差速驱动机器人混合避障路径规划算法

为实现差速驱动机器人在避障环境下的平滑最优路径规划, 提出一种基于Bézier曲线的差速驱动机器人混合避障路径规划算法. 首先, 建立差速驱动机器人运动模型, 用于操控左右两个驱动轮线速率, 完成机器人转弯及非匀速运动; 其次, 利用Bézier曲线描述路径状态, 将路径规划问题转换为产生Bézier曲线有限点方位优化问题, 提升机器人的运动平滑性; 最后, 引入遗传算法将二维路径编码简化为一维编码问题, 将路边约束、 动态避障需求及最短路径需求混合成适应度函数, 使机器人尽快脱离局部极小解, 成功绕过障碍物抵达目标点. 仿真实验结果表明, 该方法的避障路径规划效果较好, 避障路径距离为30.19 m, 且避障用时低于对比方法, 最长避障用时为5.3 min.     

基于A*与B样条算法的农用机器人路径规划系统

为高效智能地规划农用机器人在农田中的运行路径,保证精确的作业行距及作业方向,实现机器人按照指定路径自动行驶,设计了基于A*与B样条算法的农用机器人路径规划系统.使用A*算法对农用机器人运行过程进行路径规划,并利用B样条算法平滑该路径,进而得到最优作业路径.Matlab仿真实验结果表明:A*算法和B样条算法结合起来应用于农用机器人的路径规划是可行的.     

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...     

基于贝塞尔曲线的智能商用车换道避障轨迹规划

智能车辆的安全避障是实现自动驾驶技术的基础,针对智能商用车高速行驶中的避障问题,建立相应的避障策略,结合高速公路实际工况,对智能商用车的换道避障轨迹进行规划,分为路径规划与速度规划两方面。基于车辆的横向稳定性,结合鱼钩实验得到商用车高速转向时路径曲率的最大值,提出基于贝塞尔曲线的轨迹规划算法,对曲率进行约束,利用遗传算法选取最优避障路径。并基于车辆安全距离模型确定避障车速,规划出一条满足动力学约束以及瞬态侧翻阈值约束的避障轨迹,利用Trcksim软件对避障轨迹的可行性进行验证,结果表明智能商用车能够安全、高效的进行换道避障。     

基于CM-Q学习的自主移动机器人局部路径规划

针对多障碍物未知环境下,自主移动机器人局部路径规划过程中出现的路径冗余和避障问题,提出了基于坐标匹配的Q学习算法(Coordinate Matching-Q learning算法,CM-Q算法)。首先建立自主移动机器人栅格地图运行环境;其次以Q学习算法探索和学习最佳状态-动作对,并利用坐标匹配的CM算法进行避障;最后在未知障碍物环境中进行路径规划,对所提出的算法进行验证。实验结果表明,运用该方法,自主移动机器人能在未知的简单和复杂障碍物环境下规划出一条最优或次优路径,完成避障和路径规划任务。     

基于五阶Bezier曲线的无人车避障轨迹规划

无人驾驶汽车的局部路径规划对于自动驾驶技术的推广有着至关重要的作用。为了研究无人驾驶汽车在运行过程中前方会出现会静止障碍物采用换道避障策略的情况,提出了基于五阶Bezier曲线的局部路径规划方法。首先,通过分析车辆性能极限及车辆碰撞边界确定换道过程中车辆的可行驶域,再进一步考虑车辆的物理特性提出轨迹曲线优化目标函数,确定五阶Bezier曲线的六个控制点,得到最优避障轨迹。然后利用CarSim和MATLAB/Simulink软件进行仿真实验验证,结果表明此方法能够规划出易于车辆跟踪的轨迹曲线,且针对不同车速情况下的换道避障能够分别产生此车速下的最优避障轨迹。     

一种巡检机器人智能路径规划方法

提出了一种在栅格地图上使用参数可调势场法进行避障的巡检机器人智能路径规划方法.地图采用Hector SLAM算法建立,然后在全局范围内指定目标点并使用变粒度栅格法进行全局路径规划.遇到障碍物时,则在局部小范围内使用参数可调的人工势场法来进行局部路径规划和避障.该方法能有效地提高全局路径规划的效率以及局部避障的准确性,实验验证了该方法的快速性与有效性.     

采用粒子群优化和B样条曲线的改进可视图路径规划算法

针对传统局部路径规划中容易陷入局部陷阱和规划路径不平滑的问题,提出一种将改进可视图,基于B样条曲线和粒子群优化算法结合起来规划一条平滑路径的算法.该算法由多边形动态生成、路径规划和路径平滑3个步骤组成,为了逃离局部陷阱,在多边形动态生成的过程中增加环境记忆功能,并通过路径平滑过程,使规划的路径更能满足移动机器人动力约束条件.仿真实验结果验证了算法的有效性,对比其他几种路径规划算法,所提出算法规划的路径质量更高.     

基于A星算法与人工势场法的无人机路径规划

为简化无人机飞行路径规划算法并提高其避障效果,本文提出一种人工势场法和A星算法相结合的路径规划算法:以人工势场法指导全局路径规划,通过引力场控制无人机的飞行方向;以A星算法指导局部路径规划,避让大型障碍物.仿真试验证明,该算法与人工势场法和A星算法相比,提高了避障效果,缩短了搜索时间.     

基于新型人工势场法的车辆避障路径规划研究方法

针对道路交通环境车辆避障的复杂性,对传统人工势场法进行了改进,将其应用于车辆的避障路径规划;该方法建立了道路边界危险斥力势场模型和障碍物斥力势场模型,并在传统障碍物斥力势场中引入速度因素,车辆在以上两种势场组成的复合场中受到道路边界斥力、障碍物斥力的作用。当达到受力平衡时,通过求解方程可以得到一条安全避障路径;并在避障过程中对车辆实施速度控制。仿真分析结果表明改进后的方法规划出的路径在避障过程中,车辆与障碍物的距离增加至少20 cm,可有效地提高避障的安全性;避障过程中对主车车速进行控制,可使主车的横摆角速度和侧向加速度降低至少20%,有效地提高车辆运行的舒适性和安全性。     

融合A-Star与DWA双优化算法的自动引导车路径规划

自动引导车的应用越来越广泛,为了达到自动引导车在路径规划中要达到全局最优,实时避障的要求,提出了一种优化A-Star算法与优化DWA算法相融合的自动引导车路径规划方案。A-Star算法能找到全局最优路径,根据A-Star算法进行优化,引入自适应启发函数,并进行路径关键点选取,删除冗余路径点。优化后的A-Star算法解决了传统算法规划效率低,路径不平滑的问题。动态障碍物躲避采用DWA算法,优化评价函数,提升了规划效率。仿真结果表明,融合优化后的A-Star算法与优化后的DWA算法,减小了搜索范围,提高了路径规划效率且能实现避障的效果。该融合算法相较其他融合算法在路径规划效率上有很大提升,最终实现全局最优路径规划和局部动态实时避障。     

无人驾驶拖拉机实时避障路径规划算法

为了实现无人驾驶拖拉机在直线作业时的实时避障路径规划功能,提出一种在改进最短切线法的基础上用五次多项式函数规划路径的避障路径规划算法。针对最短切线法规划的路径曲率不连续、难跟踪控制的问题,首先采用改进最短切线法求相关坐标点,然后基于求得的坐标点用五次多项式函数求解路径,最后得到由两段五次多项式函数曲线和直线组成的曲率连续的避障路径。对避障路径规划算法进行仿真,结果表明,该算法生成路径长度短、实时性好、安全性高。基于常州东风无人驾驶拖拉机的运动学模型设计一种模型预测控制器,在Simulink与CarSim联合仿真平台上对无人驾驶拖拉机的避障路径规划及跟踪控制进行联合仿真,结果表明：与改进最短切线法相比,基于五次多项式函数的路径规划算法规划的路径跟踪控制精度更高,更易于跟踪控制。     

基于遗传模糊算法的智能车辆避障路径规划研究

利用模糊逻辑和遗传算法构建一种智能车辆避障路径规划方法.首先建立智能车辆的动力学模型,然后设计模糊控制器,以智能车辆与目标点及障碍物中心点的角度差、智能车辆与障碍物的距离为输入量,智能车辆的速度、转角为输出量分别建立避障行为模糊规则表和趋向目标模糊规则表,最后利用遗传算法对避障行为模糊规则表进行优化.仿真结果表明,该方法是正确和有效的.     

拱泥机器人避障运动分析及其系统仿真

路径规划问题是拱泥机器人研究中的一项关键技术。在概述拱泥机器人的基本构成,分析其规划策略的基础上,提出拱泥机器人避障运动控制器路径规划算法,并通过仿真实验得以验证,实现了局部规划与全局导航目标的有机结合。基于该规划策略及其算法,设计集数据接口、硬件接口、数学运算接口和图形化接口为一体的避障运动仿真系统。结果表明,该规划策略对拱泥机器人在未知泥土环境下实现动作稳定、轨迹平滑的避障运动具有良好的效果。     

基于MPC的智能车辆路径规划与跟踪控制

针对在障碍物环境下的避障路径动态规划效果较差,以及在面对复杂工况和曲率较大的路况时,跟踪控制的效果仍然不理想等问题,本文以智能车辆为研究对象,提出了一种模型预测控制(MPC)结合人工势场(APF)算法的路径规划跟踪系统。将改进的势场模型函数引入到MPC的目标函数和约束中,设计了基于MPC和APF的避障路径动态规划器。。运用模糊控制对MPC的车辆横向路径跟踪控制器的权重系数进行优化。仿真结果表明：在干燥路面下,与MPC控制器相比,模糊MPC路径跟踪控制器的最大横向偏差减少19.14%。在湿润路面下,模糊MPC控制器最大横向偏差减少0.55 m。基于MATLAB/Simulink与Carsim软件搭建避障路径规划与跟踪控制联合仿真模型,选择动态障碍物不同速度进行障碍物路径动态规划及跟踪控制仿真试验。实验结果表明：跟踪规划路径过程中的最大横向偏差约为0.170 m,说明规划的避障路径能够安全有效地避开障碍物。     

移动智能机器人避障规划研究

文章针对环境信息不确定情况下的避障问题,利用摄像机逆透视映射原理,实现单摄像机获取环境深度信息,并提出了一种基于视觉的局部路径规划的算法,实现了移动智能机器人在不确定环境中利用视觉传感器实时获取外部信息进行路径规划,仿真与实验结果表明,移动智能机器人能快速地跟踪规划路径,实现避障。