基于RRT算法的无人驾驶车辆路径规划方法研究

基于快速扩展随机树(RRT)算法对无人驾驶车辆路径规划问题进行研究。对无人驾驶车辆路径规划进行了定义,建立了车辆的运动学模型,给出了车辆路径规划的标准。结合人工势场法提出了RRT和人工势场联合的无人驾驶车辆路径规划算法,并从平均采样节点数、路径规划时间、规划路径平均长度、规划路径最大曲率4个方面与RRT算法进行了对比,仿真结果表明,RRT与人工势场联合算法的性能优于RRT算法。

可达集约束下的路径规划RRT算法

针对目前RRT路径规划算法存在不可达现象及安全性置信度低的问题,提出了以可达集修正约束条件的自主车辆路径规划算法。即以多车道,多车辆的复杂情况作为道路环境,使用后向可达集演变范围修正RRT算法的约束条件,采用自主车辆当前状态越靠近高等级安全区域斥力越大的思想,解决自主车辆RRT路径规划算法不可达问题,并且从理论上保证了该算法安全性的置信水平。仿真表明,该方法不仅提高了势场RRT算法的安全性,同时也可以推算自主车辆轨迹跟踪的过程中安全状态的可达范围,预测自主车辆未来一段时间间隔内安全状态。

基于可达集的RRT算法

针对目前RRT路径规划算法存在不可达现象及安全性置信度低的问题,提出了以可达集修正约束条件的自主车辆路径规划算法。即以多车道,多车辆的复杂情况作为道路环境,使用后向可达集演变范围修正RRT算法的约束条件,采用自主车辆当前状态越靠近高等级安全区域斥力越大的思想,解决自主车辆RRT路径规划算法不可达问题,并且从理论上保证了该算法安全性的置信水平,提高了自主车辆行为决策过程中决策的可行性。仿真表明,该方法不仅提高了势场RRT算法.的安全性,同时也可以推算自主车辆轨迹跟踪的过程中安全状态的可达范围,预测自主车辆未来一段时间间隔内安全状态。