转向约束网络中的对偶最短路径树原理及其原型算法

为比较有无转向约束条件下最短路径特征及其搜索算法的异同点,基于对偶图理论证明了转向约束网络中从单个源点到所有弧的最短路径集构成其对偶网络的生成树,提出了对偶最短路径树(DSPT)概念,并利用其分析算法之间的关系。研究结果表明:转向约束下的现有求解方法包括弧标号算法、节点标号算法和对偶网络法都可以统一到DSPT算法框架内,而且与无转向约束的最短路径树(SPT)算法在路径搜索策略上是相同的;对于转向约束网络中的最短路径问题可建立一个DSPT原型算法,结合各种SPT标号技术能设计出更多的有效算法。

复杂障碍物环境下基于转向约束的智能汽车路径规划方法研究

针对传统路径规划算法中所生成路径不平滑、不安全、生成速度慢等问题,利用双向快速搜索随机树(Bi-RRT)对无人驾驶中的路径规划算法进行了研究。首先利用车辆自身的转向约束构建满足车辆运动学要求的节点扩展空间,随后采用目标偏置采样策略以及双向搜索大大提高了RRT算法的规划速度,同时使用K-D树结合最大曲率约束定义最邻近点,最后对生成的路径剪枝并进行安全碰撞检测和贝塞尔曲线平滑处理,使之更符合车辆的动力学特性。研究结果表明:改进后的Bi-RRT算法的在搜索速度和算法开销上都有显著的提升,生成的路径也更加平缓,证明了该算法的有效性、实用性和适应性。

基于改进RRT算法的无人驾驶汽车轨迹规划

针对无人驾驶汽车,提出了一种基于改进快速搜索随机树(RRT)的轨迹规划算法。首先,基于车辆转向约束,在传统RRT算法的基础上,限制采样可行区域,基于目标偏向策略,以一定的概率将目标点作为随机点进行随机树扩张;其次,对生成路径采用三次B样条曲线平滑处理,降低轨迹曲线的曲率及曲率变化率;最后,基于Matlab/CarSim联合仿真平台构建直线路况与直角路况,并使用提出的算法在不同路况下进行轨迹规划的仿真与分析。结果表明:改进RRT算法下规划轨迹的曲率均值、极大值与方差小,相比于无约束控制,15°转角约束下在直线路况中分别降低了22. 9%,51. 7%与43. 3%,在直角路况中分别降低了29. 5%,59. 3%与40. 3%;同时,改进RRT算法的平均采样点数及平均树节点数少、规划时间短,相比于无转角约束,15°转角约束下在直线路况中分别降低了62. 9%,38. 2%与78. 5%,在直角路况中分别降低了34. 0%,41. 9%与27. 4%,路径规划质量和速度显著提高。

附有条件的最短路径算法

分析目前最短路径算法特点和存在问题,并讨论附有条件的最短路径问题。以邻接矩阵为数据存储结构,在迪杰斯特拉(Dijkstra)最短路径算法的基础上,提出了附有条件的最短路径算法。最后,通过实例进行算法测试和比较。算法测试表明:附有条件的最短路径算法是完全可行和有效的。

基于二次转角约束的改进RRT路径规划算法研究

针对快速随机搜索树(RRT)算法存在节点扩展冗余、生成路径不满足车辆转角条件等问题,提出一种改进的二次转角约束RRT算法。首先,在传统RRT算法基础上对采样空间进行裁剪,引入目标导向策略减少采样时间;然后采用车辆膨胀处理和直线方法检测障碍物,并引入第一次转角约束得到粗解路径;接着对粗解路径建立二次转角约束并进行优化处理,获取优化路径后拟合,并进行仿真验证。结果表明,相比于引入目标导向策略的RRT算法,所提出的算法路径最大曲率降低了34.33%,平均曲率降低47.36%,扩展节点数降低47.62%,路径距离降低7.76%,规划时间缩短14.98%。

基于全向路口模型的非结构化道路重复节点路径规划

针对非结构化道路重复节点的全局导航路径规划问题,首先提出了一种基于全向路口结构并满足转向约束的地图模型构建方法,在传统导航地图的基础上对路口结构进行细化,以转向为基本单元设置导航节点,并进行转向约束处理,确保不同节点形成拓扑关系时满足转向约束;然后,根据所构建的模型设计了基于双向搜索的A*算法,分别从起点和终点展开路径搜索,直至获取最优路径;最后,在某野外实验场环境中展开对比实验,结果表明,基于所提地图模型所得的全局路径满足转向约束要求,且能够有效解决重复节点的路径规划问题。

基于进化势场模型的无人艇路径规划算法

人工势场法广泛地应用于无人艇的路径规划问题,但传统势场模型下所规划的路径并不具有最优性,无法满足无人艇的实际规划要求.针对此问题,文中提出了一种基于进化势场模型的无人艇路径规划算法.在势场模型中,引入势场路径评价方程和微分进化算法,以实现对势场模型的评估和优化;同时考虑到无人艇的最大转向角约束,提出平滑算法对势场路径进行二次优化.仿真结果验证了算法的有效性和可靠性.

基于人工势场法引导的Bi-RRT的水面无人艇路径规划算法

为使水面无人艇(unmanned surface vehicle,USV)规划出实时性强、避障精准性高、平滑度优、航程短的路径,在双向快速扩展随机树(bidirectional rapidly-exploring random trees,Bi-RRT)算法的基础上,设计一种人工势场法(artificial potential field,APF)引导的Bi-RRT算法(简写为APF-Bi-RRT算法)。改进随机点采样机制,并在新节点生成时引入改进的势场函数,提高路径生成效率;考虑USV的操纵性能要求,在节点生成后引入转向角约束,避免出现大角度转向。分别设计简单、复杂和特殊3种环境下的路径规划实验方案,对比APF-Bi-RRT算法、Bi-RRT算法、APF和A*算法在规划时间、路径长度、最大转向角、节点数量等4个指标下的规划效果。实验结果证明:APF-Bi-RRT算法在提高搜索效率的同时能极大地减少路径长度和节点数量,提高路径平滑度;优化后的路径更适用于USV的跟踪控制,满足海上实际航行需求。