?
自主車位置不確定時(shí)的路徑規(guī)劃
路徑規(guī)劃是實(shí)現(xiàn)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(yōu)路徑,使用各種不同的傳感器檢測(cè)自主車輛周圍的環(huán)境,并進(jìn)行路徑規(guī)劃。但由于道路環(huán)境頻繁而突然的變化以及使用價(jià)位低的全球定位系統(tǒng)和傳感器,使得自主車輛定位常常出現(xiàn)誤差。因此,提出了一種有效的解決方法,并通過仿真試驗(yàn)驗(yàn)證了該方法的有效性。
目前,在自主車輛上常用的路徑規(guī)劃算法有勢(shì)場(chǎng)法和維諾圖,但這兩種規(guī)劃算法在路徑規(guī)劃過程中沒有考慮自主車輛可能發(fā)生的位置變化,而利用高精度儀器和傳感器濾波技術(shù)進(jìn)行定位誤差補(bǔ)償可以改善這種情況。但在多路徑現(xiàn)象的城市環(huán)境中,使用上述規(guī)劃算法仍然無(wú)法得到一條準(zhǔn)確的最優(yōu)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(wěn)定路徑。路徑規(guī)劃初始時(shí),沒有任何歷史路徑,A*算法開始在路網(wǎng)地圖中搜素可行路徑,并將生成的可行路徑存儲(chǔ)到路徑庫(kù)中。這期間,當(dāng)獲得一條路徑時(shí),A*算法考慮這條路徑和其它影響因素在其基礎(chǔ)上生成一條額外的路徑,此過程不斷迭代。當(dāng)目標(biāo)位置發(fā)生變化時(shí),路徑庫(kù)根據(jù)新目標(biāo)位置和當(dāng)前目標(biāo)位置距離的變化執(zhí)行一個(gè)更新過程,之后根據(jù)新目標(biāo)位置進(jìn)行路徑規(guī)劃。先從路徑庫(kù)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(yōu)路徑。對(duì)給出的方法進(jìn)行仿真試驗(yàn)。試驗(yàn)時(shí),假設(shè)自主車輛位置誤差和航向角誤差服從一個(gè)隨機(jī)高斯分布;將自主車輛視為一個(gè)點(diǎn);根據(jù)自主車輛的尺寸設(shè)定障礙物的尺寸值;利用Sick511激光雷達(dá)模型進(jìn)行障礙物檢測(cè);設(shè)定行駛車速為20km/h,重復(fù)模擬次數(shù)為1000。仿真試驗(yàn)結(jié)果表明,使用所提出的算法進(jìn)行路徑規(guī)劃可以有效減少自主車輛行駛方向改變的次數(shù),當(dāng)歷史路徑的數(shù)目大于9條時(shí),行駛方向改變的次數(shù)急劇降低,但歷史路徑數(shù)目的增加使得A*算法生成最優(yōu)路徑的計(jì)算時(shí)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