运动学约束下规划与跟踪算法的研究与改进

Research and Improvement on Path Planning and Trajectory Tracking Algorithm Based on Kinematics Constraints

为了减少无人驾驶的计算时间与硬件资源的消耗,研究了路径规划与轨迹跟踪之间的关系,改进了快速扩展随机搜索树(RRT)与线性时变模型预测控制算法(LTV-MPC),基于运动学约束设计了一种规划与跟踪的控制算法。首先利用人工势场法(APF)根据车辆、障碍物、初始点和终点之间的关系划分地图,同时生成引导域;然后联合车辆模型和地图信息设置采样点、生长步长,并对路径进行航迹优化得到最优的路径。针对路径进行速度标注,设计目标函数并添加条件约束、设置动态采样时间以改进LTV-MPC算法来跟踪轨迹。经仿真测试,在车辆平稳行驶的条件下,改进RRT算法较Dijkstra算法减少39.7%的规划时间,同时自适应MPC算法减少了27.2%的跟踪时间。