自主車位置不確定時的路徑規劃

?

自主車位置不確定時的路徑規劃

路徑規劃是實現自主車輛功能需要解決的首要問題。在行駛過程中，為得到一條最優路徑，使用各種不同的傳感器檢測自主車輛周圍的環境，并進行路徑規劃。但由于道路環境頻繁而突然的變化以及使用價位低的全球定位系統和傳感器，使得自主車輛定位常常出現誤差。因此，提出了一種有效的解決方法，并通過仿真試驗驗證了該方法的有效性。

目前，在自主車輛上常用的路徑規劃算法有勢場法和維諾圖，但這兩種規劃算法在路徑規劃過程中沒有考慮自主車輛可能發生的位置變化，而利用高精度儀器和傳感器濾波技術進行定位誤差補償可以改善這種情況。但在多路徑現象的城市環境中，使用上述規劃算法仍然無法得到一條準確的最優路徑。本文通過使用一種圖形搜索算法即A*算法，通過歷史路徑生成一條穩定路徑。路徑規劃初始時，沒有任何歷史路徑，A*算法開始在路網地圖中搜素可行路徑，并將生成的可行路徑存儲到路徑庫中。這期間，當獲得一條路徑時，A*算法考慮這條路徑和其它影響因素在其基礎上生成一條額外的路徑，此過程不斷迭代。當目標位置發生變化時，路徑庫根據新目標位置和當前目標位置距離的變化執行一個更新過程，之后根據新目標位置進行路徑規劃。先從路徑庫中選擇多條路徑作為A*算法的輸入，再利用貝塞爾曲線生成一條平滑路徑，該路徑則是希望得到的最優路徑。對給出的方法進行仿真試驗。試驗時，假設自主車輛位置誤差和航向角誤差服從一個隨機高斯分布；將自主車輛視為一個點；根據自主車輛的尺寸設定障礙物的尺寸值；利用Sick511激光雷達模型進行障礙物檢測；設定行駛車速為20km/h，重復模擬次數為1000。仿真試驗結果表明，使用所提出的算法進行路徑規劃可以有效減少自主車輛行駛方向改變的次數，當歷史路徑的數目大于9條時，行駛方向改變的次數急劇降低，但歷史路徑數目的增加使得A*算法生成最優路徑的計算時間增加。

Jinkyu Yim et al. The 11th International Conference on Ubiquitous Robots and Ambient Intelligence，Malaysia-Nov. 12-15, 2014.

編譯：王維