基于运动微分约束的无人车辆纵横向协同规划算法的研究

为了满足在动态环境中快速行驶的要求,现有无人车辆普遍采用在传统规划系统的两层结构(路径规划–路径跟踪)之间增加局部规划的方法,通过在路径跟踪的同时进行避障来减少耗时的全局路径重规划.本文针对这种三层结构规划系统存在的问题,提出基于运动微分约束的纵横向协同规划算法,在真实环境中实现速度不超过40km/h的无人驾驶.根据车辆的实时运动状态,用高阶多项式模型在预瞄距离内对可行驶曲线进行建模,不仅使行驶过程中的转向平稳,而且在较高速时仍具有良好的路径跟踪能力.由横向规划提供横向安全性的同时,在动力学约束的速度容许空间中进行纵向规划,实现平顺的加速与制动,并保证了纵向安全性和侧向稳定性.该算法根据实时的局部环境自动决定纵横向期望运动参数,不需要人为设定行驶模式或调整参数.采用该算法的无人驾驶平台在2011年和2012年智能车未来挑战赛的真实交通环境中,用统一的程序框架顺利完成全程的无人驾驶.

基于变维度状态空间的增量启发式路径规划方法研究

在移动机器人路径规划中需要考虑运动几何约束,同时,由于它经常工作于动态、时变的环境中,因此,还必须保证路径规划算法的效率.本文提出了一种基于变维度状态空间的增量启发式路径规划方法,该方法既能满足移动机器人的运动几何约束,又能保证规划算法的效率.首先,设计了变维度状态空间,在机器人周围的局部区域考虑运动几何约束组织高维状态空间,其他区域组织低维状态空间;然后,基于变维度状态空间,提出了一种增量启发式路径规划方法,该方法在新的规划进程中可以使用以前的规划结果,仅对机器人周围的局部区域进行重搜索,从而能保证算法的增量性及实时性;最后,通过仿真计算和机器人实验验证了算法的有效性.