無人駕駛電動賽車路徑規劃算法研究

冀同濤，李剛，王明家，張旭斌

（遼寧工業大學 汽車與交通工程學院，遼寧 錦州 121001）

引言

近年來，隨著互聯網技術和人工智能的迅速發展，無人駕駛汽車技術得到了長足的發展。中國大學生無人駕駛方程式大賽是大學生接觸無人駕駛技術的重要平臺，該賽事要求賽車具有良好的環境感知、定位、路徑規劃以及車輛控制能力，路徑規劃在其中起到關鍵作用。目前，路徑規劃的方法大致分為傳統算法和智能仿生算法[1]。傳統路徑規劃算法主要有：①基于柵格地圖的圖搜索路徑規劃算法[2]。②快速搜索隨機樹算法。③基于最優化曲線生成的路徑規劃算法[3]。④人工勢場法[4]。智能路徑規劃算法主要有：①基于蟻群算法的路徑規劃。②基于遺傳算法的路徑規劃[5]。③基于人工神經網絡的路徑規劃[6]。路徑規劃的方法的選擇與行駛場景有關。本文提出一種適合無人駕駛電動賽車的路徑規劃方法，該方法能夠使賽車安全可靠地通過賽道，保證車輛行駛穩定性。

1 賽事賽道分析

該賽事動態比賽有四項，分別為直線加速、8 字繞環、高速避障和耐久測試。高速避障項目中賽道信息未知，這充分考驗了賽車環境感知、導航定位、路徑規劃和車輛控制的綜合能力。本文主要研究適合高速避障項目的路徑規劃方法。賽道兩側樁桶顏色不同，賽車需要根據相機和激光雷達識別樁桶位置和顏色信息。在得到樁桶信息后，對賽車進行路徑規劃，使賽車平穩、安全地通過賽道。

圖1 高速循跡測試賽道示意圖

2 無人駕駛電動賽車路徑規劃算法

賽車通過相機和激光雷達識別到樁桶信息，在得到這些信息后，路徑規劃模塊需要做的是對其進行處理，得到能使賽車快速平穩地通過賽道的路徑。在樁桶作為標識物的情況下，采用離散點擬合曲線得到行駛路徑的方法效果較理想。那么，獲得行駛路徑的離散點是一個關鍵點。為解決這個問題，本文提出了一種無人駕駛電動賽車路徑規劃算法，算法步驟如下：

（1）首先根據樁桶顏色信息將樁桶分為兩側，將其中一側樁桶通過圓弧連接成曲線，假設樁桶一側生成的曲線為L，將L 離散化，得到有n 個點的點集。

（2）另一側樁桶坐標為(Xi,Yi)，搜尋在L 上距離(Xi,Yi)

最近的點。通過判斷(Xi,Yi)到點集的距離d 是否最小找出對應點(xi,yi)。

（3）由樁桶位置和距離樁桶最近點的位置求出中點坐標（XMi,YMi）。

（4）由得出的離散點進行曲線擬合。擬合曲線形式為弧線。根據圓弧的知識，可知通過兩點以及其中一點的切線方向的圓弧有且只有一個。曲線的起點為第一個離散點（XM1,YM1）。第二個離散點為（XM2,YM2），以此類推。第一段圓弧由前兩個離散點以及第一個離散點所對應的斜率k1求出；為保證路徑的平滑性，從第二段圓弧開始由兩個離散點以及前一段圓弧終點的切線方向進行求解。每段圓弧的圓心坐標為(xci,yci)。

其中，ki為各段圓弧起點到圓心的斜率，ei為相鄰離散點所連線段的中垂線的斜率，(Xmid,Ymid) 為相鄰離散點的中點坐標。

由式（5）可得圓心（xci,yci），進而求出各段圓弧方程：

其中，R 為離散點到圓心的距離，θ 取值范圍可由離散點確定。

3 仿真驗證

在matlab 環境下對該算法進行仿真驗證。首先確定用于仿真的賽道形狀，這里采用S 彎賽道。S 彎賽道相對而言是比較復雜的，有一定的驗證信度。仿真結果如圖所示：

圖2 賽道樁桶示意圖

圖3 路徑規劃效果圖

圖2 為matlab 環境下模擬的S 彎賽道，賽道寬度為3 米，且樁桶點不是對應出現，兩側樁桶分別為不同的顏色。該賽道能較好地驗證算法的有效性。

由圖3 可知，該路徑規劃算法能較好地規劃出通過賽道的路徑，保證賽車行駛路徑基本處于賽道中間位置，而且規劃出來的路徑連續光滑，符合汽車運動學規律，為車輛路徑跟蹤控制模塊奠定了基礎。

4 結論

（1）本文針對大學生無人駕駛方程式大賽，分析了賽事賽道信息，并提出一種適合無人駕駛電動賽車的路徑規劃方法。

（2）該路徑規劃方法可規劃出連續光滑，基本處于賽道中間的曲線，使賽車可以安全可靠地通過賽道，且受賽道形狀局限性小。對于無人駕駛車輛路徑規劃研究有一定的助力。