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...     

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.     

面向动态障碍物场景的自主代客泊车路径规划

针对存在动态障碍物场景的自主代客泊车路径规划问题,提出一种基于D*算法和动态窗口法的自主代客泊车路径规划方法.首先,利用栅格扫描算法快速准确地构建自主代客泊车场景的静态环境地图,并采用Dijkstra算法实时更新动态障碍物影响的局部静态环境地图信息.随后,利用D*算法将自主代客泊车场景静态环境地图转化为静态路径场,得到...     

基于改进β样条理论的自主泊车路径规划

针对现阶段驾驶员停车环境日益复杂、泊车时安全事故频发的现象,提出了一种基于改进β样条理论而实现自主泊车路径规划方法.建立了泊车运动学模型,综合考虑泊车环境中可能遇到的情况、车辆运动学以及EPS(electric power steering)的性能要求,建立了路径避障约束、车辆转向盘转角及角速度约束.通过Matlab/...     

基于多属性决策的多车自主泊车路径全局规划方法

虽然自主代客泊车技术已经可以代替驾驶员完成泊车操作,但在多车辆且缺乏调度的情况下,容易造成交通混乱。为此,提出了一种基于多属性决策的多车自主泊车路径全局规划方法,旨在解决泊位分配不合理问题并降低泊车整体成本。首先,建立停车场泊位拓扑地图,基于直线和回旋线构建引导路径;然后,设计引导路径择优的准则和子准则,构建层次分析（AHP）择优体系,确定最优泊位及其引导路径;最后,确定泊车起终点位置,以回旋线为基准,根据泊位的碰撞约束条件计算泊车路径。此外,模拟了多车同时进入停车场的场景,仿真结果表明,该方法可以有效降低泊车成本,提高泊车效率。     

基于圆弧样条参考路径的改进混合A*泊车路径规划算法

在泊车空间狭窄的条件下,现有的基于混合A*算法的泊车路径规划存在成功率低或规划速度慢等问题,为了解决这一问题,设计了一种改进混合A*路径规划算法。通过将圆弧样条曲线作为参考路径,并以参考路径上的点作为混合A*算法的目标点,进而搜索出成功泊入车库的路径。根据不同车位宽度进行了基于Matlab的批量仿真测试,结果表明：改进后的混合A*算法能够显著提高车辆在特定区域泊入车库的成功率,同时具有一定的规划效率。最后基于Prescan、Carsim和Simulink进行了联合仿真实验,验证了所设计算法规划的路径满足实车实验的跟踪要求。     

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。     

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.     

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。     

一种基于RRT-ConCon改进的路径规划算法

针对RRT算法缺乏稳定性和收敛速度慢的问题,基于RRT-ConCon算法和朝向目标搜索的策略,提出了一种改进的双向搜索路径规划算法.该算法通过改变两条搜索路径的临时扩展目标点,使搜索路径不仅易于朝着目标点方向生长,而且提高了算法的稳定性,同时可以保证规划的路径接近最优解.改进的RRT-ConCon算法利用随机节点生成函数,使朝着目标点生长的搜索路径避免陷入局部极小值.同时,为了测试各种仿真实验环境,还设计了一种仿真实验环境平台,实验结果验证了本算法的有效性和稳定性.