基于RRT的智能車(chē)輛局部路徑規(guī)劃與跟隨研究.pdf

1、智能駕駛是當(dāng)前汽車(chē)發(fā)展的重要趨勢(shì)，而主動(dòng)避障技術(shù)是實(shí)現(xiàn)智能化無(wú)人化駕駛的關(guān)鍵技術(shù)之一。本文圍繞主動(dòng)避障中的路徑規(guī)劃與跟隨兩方面內(nèi)容展開(kāi)了初步研究:
　　快速搜索隨機(jī)樹(shù)算法(rapidly random-exploring trees，簡(jiǎn)稱RRT)作為一種傳統(tǒng)的路徑規(guī)劃算法，有著搜索速度快、計(jì)算時(shí)間短的優(yōu)點(diǎn)，但也存在隨機(jī)樹(shù)擴(kuò)展遍布規(guī)劃空間、搜索不具有趨向性、路徑曲率變化大且結(jié)果重現(xiàn)性低、路徑分布不符合車(chē)輛正常行駛時(shí)的軌跡及避障不及時(shí)

2、等缺陷。因此，本文在原RRT算法的基礎(chǔ)上提出了改進(jìn)的EXP-RRT算法。通過(guò)建立直道和彎道的期望路徑模型，采用高斯分布描述隨機(jī)采樣點(diǎn)，并引入啟發(fā)式搜索機(jī)制，增加規(guī)劃決策來(lái)改進(jìn)RRT算法。與原算法對(duì)比，結(jié)果表明：改進(jìn)算法所規(guī)劃的路徑質(zhì)量顯著提高，規(guī)劃時(shí)間縮短一倍。同時(shí)，在CarSim軟件中搭建直道和彎道仿真場(chǎng)景，跟隨規(guī)劃路徑，結(jié)果表明:改進(jìn)后的RRT算法所得路徑具有較好的可跟隨性，且側(cè)向加速度在車(chē)輛穩(wěn)定性要求范圍內(nèi)，說(shuō)明采用改進(jìn)后的RRT

3、算法進(jìn)行汽車(chē)局部路徑規(guī)劃可行、實(shí)用。
　　為實(shí)現(xiàn)對(duì)目標(biāo)路徑的跟隨，在二自由度非線性車(chē)輛動(dòng)力學(xué)模型的基礎(chǔ)上，采用微分幾何方法(differential geometry based control algorithm，簡(jiǎn)稱DGA)來(lái)處理車(chē)輛模型并設(shè)計(jì)了路徑跟隨控制規(guī)律。通過(guò)與CarSim路徑跟隨以及模型預(yù)測(cè)控制(Model Predictive Control，MPC)路徑跟隨的效果對(duì)比，驗(yàn)證了該控制方法具有良好的跟隨性能。最后，將