非结构化环境下,无人驾驶汽车的局部路径规划方法面临数据冗余及环境结构适用性问题。提出一种基于3维Lidar数据稀疏表示的局部路径规划建模方法——势场字典法(Potential field dictionary,PFD)。该方法以预置本地过完备DCT字典替代正...非结构化环境下,无人驾驶汽车的局部路径规划方法面临数据冗余及环境结构适用性问题。提出一种基于3维Lidar数据稀疏表示的局部路径规划建模方法——势场字典法(Potential field dictionary,PFD)。该方法以预置本地过完备DCT字典替代正交基,应用投影追踪方法(MP)结合环境采样预处理结果,对Lidar点云信息进行稀疏化分解;直接将稀疏分解矢量用于势场法局部路径规划,并提出"动态势场"以应对非结构化环境。实车试验表明:环境采样预处理结果储存空间小,且更能体现结构复杂程度;PFD算法以小稀疏度可以规划出完整连续可行路径,且性能优于RRT*算法以及传统势场算法。PFD算法在保证信息表达精度的前提下,减少了数据传输、储存成本,也可规划出适用于非结构化环境的局部路径。展开更多
文摘非结构化环境下,无人驾驶汽车的局部路径规划方法面临数据冗余及环境结构适用性问题。提出一种基于3维Lidar数据稀疏表示的局部路径规划建模方法——势场字典法(Potential field dictionary,PFD)。该方法以预置本地过完备DCT字典替代正交基,应用投影追踪方法(MP)结合环境采样预处理结果,对Lidar点云信息进行稀疏化分解;直接将稀疏分解矢量用于势场法局部路径规划,并提出"动态势场"以应对非结构化环境。实车试验表明:环境采样预处理结果储存空间小,且更能体现结构复杂程度;PFD算法以小稀疏度可以规划出完整连续可行路径,且性能优于RRT*算法以及传统势场算法。PFD算法在保证信息表达精度的前提下,减少了数据传输、储存成本,也可规划出适用于非结构化环境的局部路径。