[go: up one dir, main page]
More Web Proxy on the site http://driver.im/

CN116202550A - 融合改进势场与动态窗口的汽车路径规划方法 - Google Patents

融合改进势场与动态窗口的汽车路径规划方法 Download PDF

Info

Publication number
CN116202550A
CN116202550A CN202310498150.9A CN202310498150A CN116202550A CN 116202550 A CN116202550 A CN 116202550A CN 202310498150 A CN202310498150 A CN 202310498150A CN 116202550 A CN116202550 A CN 116202550A
Authority
CN
China
Prior art keywords
automobile
function
obstacle
road
path
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202310498150.9A
Other languages
English (en)
Other versions
CN116202550B (zh
Inventor
陈齐平
皮思源
曾德全
刘钦
钟秤平
曾小春
张小波
丁俊岭
胡一明
吴昊
熊祖琪
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Jiangling Motors Corp Ltd
East China Jiaotong University
Original Assignee
Jiangling Motors Corp Ltd
East China Jiaotong University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Jiangling Motors Corp Ltd, East China Jiaotong University filed Critical Jiangling Motors Corp Ltd
Priority to CN202310498150.9A priority Critical patent/CN116202550B/zh
Publication of CN116202550A publication Critical patent/CN116202550A/zh
Application granted granted Critical
Publication of CN116202550B publication Critical patent/CN116202550B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
    • G01C21/34—Route searching; Route guidance
    • G01C21/3446—Details of route searching algorithms, e.g. Dijkstra, A*, arc-flags, using precalculated routes
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
    • G01C21/34—Route searching; Route guidance
    • G01C21/3407—Route searching; Route guidance specially adapted for specific applications
    • G01C21/3415—Dynamic re-routing, e.g. recalculating the route when the user deviates from calculated route or after detecting real-time traffic data or accidents
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/10—Internal combustion engine [ICE] based vehicles
    • Y02T10/40—Engine management systems

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Automation & Control Theory (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Window Of Vehicle (AREA)

Abstract

本发明提供一种融合改进势场与动态窗口的汽车路径规划方法，本发明在传统势场函数的基础上，增加了相对速度斥力函数、道路纵向力函数，能有效解决传统算法存在的局部最优及目标不可达问题；本发明在传统势场函数中加入的道路纵向力可以保证汽车朝道路中心方向行驶，提高汽车行驶过程的安全稳定性；此外，本发明通过改进的动态窗口对各关键路径节点中汽车与障碍物的相对速度、位姿、轨迹与障碍物距离进行采样，能够对初步的规划路径进行实时动态更新，能够更好的满足实际驾驶环境中的要求。

Description

融合改进势场与动态窗口的汽车路径规划方法
技术领域
本发明涉及智能汽车技术领域，特别是涉及一种融合改进势场与动态窗口的汽车路径规划方法。
背景技术
智能汽车路径规划，即为智能汽车规划一条行驶路径，所规划出的路径必须要满足汽车从开始到结束所使用的行驶时间、避撞效果、路线平滑稳定等基本条件，从而获得最佳的规划路径，可以很好的帮助智能汽车完成行驶任务。由于智能汽车所应用的环境复杂多样，其中不但有结构化的城市道路还有非结构化的乡村道路，所以规划的路径要能很好的适应复杂的现实环境、有良好避撞能力，尽可能的提高效率及安全可靠性。
通过规划方法使用的情况不同，可以将路径规划方法分为全局规划和局部规划。用途比较广泛的全局路径规划方法有Dijkstra算法、A*算法、蚁群算法及RRT算法等，用途比较广泛的局部路径规划方法有人工势场法、遗传算法、动态窗口法等。其中人工势场法方便高效，计算速度快，易于理解，得到快速发展。
但是局部最优及目标不可达是目前人工势场法的最大问题。此外在实际的路径规划中还存在一些不可预测的复杂变化情况，而现有的人工势场法无法实时的动态更新规划路径，难以满足实际驾驶环境中的要求。
发明内容
本发明的目的在于提供一种融合改进势场与动态窗口的汽车路径规划方法，以解决现有技术存在的局部最优及目标不可达的问题，且实现实时的动态更新规划路径，以更好的满足实际驾驶环境中的要求。
一种融合改进势场与动态窗口的汽车路径规划方法，包括以下步骤：
步骤1，采用势场法对行车环境进行建模，得到行车环境模型；
步骤2，在行车环境模型中，获得汽车、目标点、障碍物、道路边界的坐标位置，再根据汽车与目标点、汽车与障碍物、汽车与道路边界之间的位置关系，建立多个势场函数，多个势场函数具体包括目标引力函数、障碍物斥力函数、相对速度斥力函数、道路纵向力函数；
步骤3，基于行车环境模型和多个势场函数，得到初步的规划路径；
步骤4，基于初步的规划路径，获取汽车到每一个障碍物的关键路径节点；
步骤5，对动态窗口的评价函数及加权系数进行改进，得到改进的动态窗口；
步骤6，将汽车到每一个障碍物的关键路径节点输入到改进的动态窗口中，通过改进的动态窗口的评价函数对关键路径节点上汽车与障碍物的相对速度、汽车的位姿、汽车轨迹与障碍物距离及汽车行驶最小安全距离进行采样，利用改进的动态窗口对初步的规划路径进行实时优化更新，得到优化后的规划路径。
根据本发明提供的融合改进势场与动态窗口的汽车路径规划方法，具有以下有益效果：
（1）在传统势场函数的基础上，增加了相对速度斥力函数、道路纵向力函数，能有效解决传统算法存在的局部最优及目标不可达问题；
（2）在传统势场函数中加入的道路纵向力可以保证汽车朝道路中心方向行驶，提高汽车行驶过程的安全稳定性；
（3）通过改进的动态窗口对各关键路径节点中汽车与障碍物的相对速度、位姿、轨迹与障碍物距离进行采样，能够对初步的规划路径进行实时动态更新，能够更好的满足实际驾驶环境中的要求。
此外，上述的融合改进势场与动态窗口的汽车路径规划方法，还具有以下技术特征：
进一步的，步骤2中，目标引力函数、障碍物斥力函数、相对速度斥力函数的表达式分别为：
Figure SMS_1
Figure SMS_2
Figure SMS_3
其中，
Figure SMS_6
为目标引力，
Figure SMS_9
为障碍物斥力，
Figure SMS_10
为相对速度斥力，d1为汽车与目标点的距离，d2为汽车与障碍物的距离，
Figure SMS_5
，
Figure SMS_8
，x和y是汽车自身位置坐标，xrep和yrep是障碍物位置坐标，
Figure SMS_11
、
Figure SMS_12
、
Figure SMS_4
分别为引力增益系数、斥力增益系数、相对速度斥力增益系数，vrel为汽车与障碍物的相对速度，
Figure SMS_7
为引力与斥力之间的角度。
进一步的，步骤2中，道路纵向力函数的表达式为：
Figure SMS_13
其中，
Figure SMS_14
表示道路纵向力，d为汽车与道路的纵向距离，d0为道路纵向力生效距离，
Figure SMS_15
为道路纵向力增益系数。
进一步的，步骤3具体包括：
步骤301，在行车环境模型中，以道路边界建立坐标系；
步骤302，基于建立的坐标系，选取汽车、目标点、障碍物的位置坐标，设定汽车参数；
步骤303，按照设定的汽车参数控制汽车前进，在汽车前进过程中实时检测是否达到道路纵向力生效距离，若达到道路纵向力生效距离，则进入步骤304，若未达到道路纵向力生效距离，则进入步骤305；
步骤304，道路纵向力生效，汽车在目标引力函数、障碍物斥力函数、相对速度斥力函数、道路纵向力函数的共同作用下前行，得到初步的规划路径；
步骤305，汽车在目标引力函数、障碍物斥力函数、相对速度斥力函数的共同作用下前行，得到初步的规划路径。
进一步的，步骤5中，对动态窗口的评价函数及加权系数进行如下改进：
Figure SMS_16
Figure SMS_17
其中，
Figure SMS_20
表示改进后的动态窗口的评价函数，
Figure SMS_22
表示改进后的加权系数，
Figure SMS_25
为位姿函数，
Figure SMS_19
为行驶轨迹与目标点距离函数，
Figure SMS_23
为行驶轨迹的线速度函数，
Figure SMS_26
为行驶轨迹与障碍物距离函数，
Figure SMS_27
为位姿函数的加权系数，
Figure SMS_18
为行驶轨迹与目标点距离函数的加权系数，
Figure SMS_21
为行驶轨迹的线速度函数的加权系数，
Figure SMS_24
为行驶轨迹与障碍物距离函数的加权系数，min表示取最小值，max表示取最大值。
附图说明
图1为本发明实施例的融合改进势场与动态窗口的汽车路径规划方法的流程图；
图2为本发明中汽车的势场受力示意图；
图3为本实施例的方法与传统势场算法在解决目标不可达问题时的结果对比示意图；
图4为本实施例的方法与传统势场算法在解决局部最优问题时的结果对比示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
请参阅图1，本发明的实施例提供了一种融合改进势场与动态窗口的汽车路径规划方法，包括以下步骤：
步骤1，采用势场法对行车环境进行建模，得到行车环境模型。
步骤2，在行车环境模型中，获得汽车、目标点、障碍物、道路边界的坐标位置，再根据汽车与目标点、汽车与障碍物、汽车与道路边界之间的位置关系，建立多个势场函数，多个势场函数具体包括目标引力函数、障碍物斥力函数、相对速度斥力函数、道路纵向力函数。
其中，目标引力函数、障碍物斥力函数、相对速度斥力函数的表达式分别为：
Figure SMS_28
Figure SMS_29
Figure SMS_30
其中，
Figure SMS_32
为目标引力，
Figure SMS_35
为障碍物斥力，
Figure SMS_37
为相对速度斥力，d1为汽车与目标点的距离，d2为汽车与障碍物的距离，
Figure SMS_33
，
Figure SMS_36
，x和y是汽车自身位置坐标，xrep和yrep是障碍物位置坐标，
Figure SMS_38
、
Figure SMS_39
、
Figure SMS_31
分别为引力增益系数、斥力增益系数、相对速度斥力增益系数，vrel为汽车与障碍物的相对速度，
Figure SMS_34
为引力与斥力之间的角度。
道路纵向力函数的表达式为：
Figure SMS_40
其中，
Figure SMS_41
表示道路纵向力，d为汽车与道路的纵向距离，d0为道路纵向力生效距离，
Figure SMS_42
为道路纵向力增益系数。
在传统势场中通常陷入局部最优问题是由于斥力和引力在一条直线上且相等，目标不可达问题可能是因为引（斥）力过大。而本实施例中，请参阅图2，加入道路纵向力及相对速度斥力，可以有效的解决这两个问题。并且当汽车和道路垂直距离在道路纵向力生效距离范围时，说明汽车当前的规划路径可能会驶出预定道路，新加入的道路纵向力可以保证汽车朝道路中心方向行驶，提高汽车行驶过程的安全稳定性。
步骤3，基于行车环境模型和多个势场函数，得到初步的规划路径。
其中，步骤3具体包括：
步骤301，在行车环境模型中，以道路边界建立坐标系；
步骤302，基于建立的坐标系，选取汽车、目标点、障碍物的位置坐标，设定汽车参数；
步骤303，按照设定的汽车参数控制汽车前进，在汽车前进过程中实时检测是否达到道路纵向力生效距离，若达到道路纵向力生效距离，则进入步骤304，若未达到道路纵向力生效距离，则进入步骤305；
步骤304，道路纵向力生效，汽车在目标引力函数、障碍物斥力函数、相对速度斥力函数、道路纵向力函数的共同作用下前行，得到初步的规划路径，其中，道路纵向力的方向为垂直指向道路中心，防止汽车驶离道路；
步骤305，汽车在目标引力函数、障碍物斥力函数、相对速度斥力函数的共同作用下前行，得到初步的规划路径。
步骤4，基于初步的规划路径，获取汽车到每一个障碍物的关键路径节点。
步骤5，对动态窗口的评价函数及加权系数进行改进，得到改进的动态窗口。
其中，对动态窗口的评价函数及加权系数进行如下改进：
Figure SMS_43
Figure SMS_44
其中，
Figure SMS_46
表示改进后的动态窗口的评价函数，
Figure SMS_50
表示改进后的加权系数，
Figure SMS_53
为位姿函数，用于使汽车前进方向一直朝着目标点；
Figure SMS_47
为行驶轨迹与目标点距离函数，用于评估规划路径的终点离目标点的距离；
Figure SMS_49
为行驶轨迹的线速度函数，用于检测汽车与障碍物相对速度；
Figure SMS_52
为行驶轨迹与障碍物距离函数，用于使汽车精准避障；
Figure SMS_54
为位姿函数的加权系数，
Figure SMS_45
为行驶轨迹与目标点距离函数的加权系数，
Figure SMS_48
为行驶轨迹的线速度函数的加权系数，
Figure SMS_51
为行驶轨迹与障碍物距离函数的加权系数，min表示取最小值，max表示取最大值。
步骤6，将汽车到每一个障碍物的关键路径节点输入到改进的动态窗口中，通过改进的动态窗口的评价函数对关键路径节点上汽车与障碍物的相对速度、汽车的位姿、汽车轨迹与障碍物距离及汽车行驶最小安全距离进行采样，利用改进的动态窗口对初步的规划路径进行实时优化更新，得到优化后的规划路径。
其中，在利用改进的动态窗口对初步的规划路径进行实时优化更新的过程中，实时判断汽车是否达到目标点，若是，则输入优化后的规划路径；若否，则返回将汽车到每一个障碍物的关键路径节点输入到改进的动态窗口中的步骤，继续优化更新，直至汽车达到目标点。
下面将本实施例的方法与传统势场算法的规划路径进行对比。
如图3所示，图3为本实施例的方法与传统势场算法在解决目标不可达问题时的结果对比示意图。
仿真实验使用的是MatlabR2022a版本，对比本实施例的方法与传统势场算法解决目标不可达问题。在仿真中，黑色实心小方块代表汽车，坐标为（1，0.25）；圆形为障碍物，部分障碍物坐标为（2，2.58），（3.9，3.5），（4.8，5.6），（7.5，7）；白色空心方块代表目标点，坐标为（9.5，9）；通过仿真验证，发现本实施例的方法相比传统势场算法，本实施例的方法可以有效解决目标不可达问题。
进一步的，如图4所示，图4为本实施例的方法与传统势场算法在解决局部最优问题时的结果对比示意图。
仿真实验使用的是MatlabR2022a版本，对比本实施例的方法与传统势场算法解决局部最优问题。在仿真中，黑色实心小方块代表汽车，坐标为（1，0.25）；圆形为障碍物，部分障碍物坐标为（2，2），（4.6，2），（3.9，4），（6.2，4.7）；白色空心方块代表目标点，坐标为（8.5，9.5）；通过仿真验证，发现本实施例的方法相比传统势场算法，本实施例的方法可以有效解决局部最优问题。
因此，本实施例方法所规划出的路径可以顺利避障达到目标点，并且所规划路径更短，更加平滑稳定，符合实际驾驶环境中的要求。
综上，本发明提供的融合改进势场与动态窗口的汽车路径规划方法，具有以下有益效果：
（1）在传统势场函数的基础上，增加了相对速度斥力函数、道路纵向力函数，能有效解决传统算法存在的局部最优及目标不可达问题；
（2）在传统势场函数中加入的道路纵向力可以保证汽车朝道路中心方向行驶，提高汽车行驶过程的安全稳定性；
（3）通过改进的动态窗口对各关键路径节点中汽车与障碍物的相对速度、位姿、轨迹与障碍物距离进行采样，能够对初步的规划路径进行实时动态更新，能够更好的满足实际驾驶环境中的要求。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、 “示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
尽管已经示出和描述了本发明的实施例，本领域的普通技术人员可以理解：在不脱离本发明的原理和宗旨的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由权利要求及其等同物限定。

Claims (5)

1.一种融合改进势场与动态窗口的汽车路径规划方法，其特征在于，包括以下步骤：
步骤1，采用势场法对行车环境进行建模，得到行车环境模型；
步骤2，在行车环境模型中，获得汽车、目标点、障碍物、道路边界的坐标位置，再根据汽车与目标点、汽车与障碍物、汽车与道路边界之间的位置关系，建立多个势场函数，多个势场函数具体包括目标引力函数、障碍物斥力函数、相对速度斥力函数、道路纵向力函数；
步骤3，基于行车环境模型和多个势场函数，得到初步的规划路径；
步骤4，基于初步的规划路径，获取汽车到每一个障碍物的关键路径节点；
步骤5，对动态窗口的评价函数及加权系数进行改进，得到改进的动态窗口；
步骤6，将汽车到每一个障碍物的关键路径节点输入到改进的动态窗口中，通过改进的动态窗口的评价函数对关键路径节点上汽车与障碍物的相对速度、汽车的位姿、汽车轨迹与障碍物距离及汽车行驶最小安全距离进行采样，利用改进的动态窗口对初步的规划路径进行实时优化更新，得到优化后的规划路径。
2.根据权利要求1所述的融合改进势场与动态窗口的汽车路径规划方法，其特征在于，步骤2中，目标引力函数、障碍物斥力函数、相对速度斥力函数的表达式分别为：
Figure QLYQS_1
Figure QLYQS_2
Figure QLYQS_3
其中，
Figure QLYQS_5
为目标引力，
Figure QLYQS_9
为障碍物斥力，
Figure QLYQS_11
为相对速度斥力，d1为汽车与目标点的距离，d2为汽车与障碍物的距离，
Figure QLYQS_6
，
Figure QLYQS_8
，x和y是汽车自身位置坐标，xrep和yrep是障碍物位置坐标，
Figure QLYQS_10
、
Figure QLYQS_12
、
Figure QLYQS_4
分别为引力增益系数、斥力增益系数、相对速度斥力增益系数，vrel为汽车与障碍物的相对速度，
Figure QLYQS_7
为引力与斥力之间的角度。
3.根据权利要求2所述的融合改进势场与动态窗口的汽车路径规划方法，其特征在于，步骤2中，道路纵向力函数的表达式为：
Figure QLYQS_13
其中，
Figure QLYQS_14
表示道路纵向力，d为汽车与道路的纵向距离，d0为道路纵向力生效距离，
Figure QLYQS_15
为道路纵向力增益系数。
4.根据权利要求3所述的融合改进势场与动态窗口的汽车路径规划方法，其特征在于，步骤3具体包括：
步骤301，在行车环境模型中，以道路边界建立坐标系；
步骤302，基于建立的坐标系，选取汽车、目标点、障碍物的位置坐标，设定汽车参数；
步骤303，按照设定的汽车参数控制汽车前进，在汽车前进过程中实时检测是否达到道路纵向力生效距离，若达到道路纵向力生效距离，则进入步骤304，若未达到道路纵向力生效距离，则进入步骤305；
步骤304，道路纵向力生效，汽车在目标引力函数、障碍物斥力函数、相对速度斥力函数、道路纵向力函数的共同作用下前行，得到初步的规划路径；
步骤305，汽车在目标引力函数、障碍物斥力函数、相对速度斥力函数的共同作用下前行，得到初步的规划路径。
5.根据权利要求4所述的融合改进势场与动态窗口的汽车路径规划方法，其特征在于，步骤5中，对动态窗口的评价函数及加权系数进行如下改进：
Figure QLYQS_16
Figure QLYQS_17
其中，
Figure QLYQS_19
表示改进后的动态窗口的评价函数，
Figure QLYQS_22
表示改进后的加权系数，
Figure QLYQS_25
为位姿函数，
Figure QLYQS_20
为行驶轨迹与目标点距离函数，
Figure QLYQS_23
为行驶轨迹的线速度函数，
Figure QLYQS_26
为行驶轨迹与障碍物距离函数，
Figure QLYQS_27
为位姿函数的加权系数，
Figure QLYQS_18
为行驶轨迹与目标点距离函数的加权系数，
Figure QLYQS_21
为行驶轨迹的线速度函数的加权系数，
Figure QLYQS_24
为行驶轨迹与障碍物距离函数的加权系数，min表示取最小值，max表示取最大值。
CN202310498150.9A 2023-05-06 2023-05-06 融合改进势场与动态窗口的汽车路径规划方法 Active CN116202550B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310498150.9A CN116202550B (zh) 2023-05-06 2023-05-06 融合改进势场与动态窗口的汽车路径规划方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310498150.9A CN116202550B (zh) 2023-05-06 2023-05-06 融合改进势场与动态窗口的汽车路径规划方法

Publications (2)

Publication Number Publication Date
CN116202550A true CN116202550A (zh) 2023-06-02
CN116202550B CN116202550B (zh) 2023-07-11

Family

ID=86515017

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310498150.9A Active CN116202550B (zh) 2023-05-06 2023-05-06 融合改进势场与动态窗口的汽车路径规划方法

Country Status (1)

Country Link
CN (1) CN116202550B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117055559A (zh) * 2023-08-30 2023-11-14 苏州大成运和智能科技有限公司 一种改进人工势场法的自动驾驶车辆避障方法

Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101076008B1 (ko) * 2010-07-19 2011-10-21 삼성탈레스 주식회사 자기장을 이용하여 경로계획을 생성하는 자율주행 로봇
CN105867365A (zh) * 2016-03-11 2016-08-17 中国矿业大学(北京) 基于改进人工势场法的路径规划导航系统及方法
US20180308371A1 (en) * 2017-04-19 2018-10-25 Beihang University Joint search method for uav multiobjective path planning in urban low altitude environment
CN110989656A (zh) * 2019-11-13 2020-04-10 中国电子科技集团公司第二十研究所 一种基于改进人工势场法的冲突解脱方法
CN112109704A (zh) * 2020-09-22 2020-12-22 同济大学 一种基于精准轨迹预测的车辆避撞动态安全路径规划方法
CN112923944A (zh) * 2021-01-29 2021-06-08 的卢技术有限公司 一种自动驾驶路径规划方法、系统及计算机可读存储介质
CN113296523A (zh) * 2021-05-27 2021-08-24 太原科技大学 一种移动机器人避障路径规划方法
WO2021168669A1 (zh) * 2020-02-25 2021-09-02 华为技术有限公司 车辆控制方法及装置
US20210397961A1 (en) * 2019-03-05 2021-12-23 Naver Labs Corporation Method and system for training autonomous driving agent on basis of deep reinforcement learning
CN114265410A (zh) * 2021-12-25 2022-04-01 长安大学 一种基于多算力融合的局部路径规划方法与系统
CN114442637A (zh) * 2022-02-10 2022-05-06 北京理工大学 一种无人车局部动态避障路径规划方法
CN114995431A (zh) * 2022-06-09 2022-09-02 安徽工业大学 一种改进a-rrt的移动机器人路径规划方法
CN115328152A (zh) * 2022-09-05 2022-11-11 北京理工大学 基于改进人工势场法的无人车局部实时避障路径规划方法
CN115489548A (zh) * 2022-09-20 2022-12-20 重庆大学 智能汽车园区道路路径规划方法

Patent Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101076008B1 (ko) * 2010-07-19 2011-10-21 삼성탈레스 주식회사 자기장을 이용하여 경로계획을 생성하는 자율주행 로봇
CN105867365A (zh) * 2016-03-11 2016-08-17 中国矿业大学(北京) 基于改进人工势场法的路径规划导航系统及方法
US20180308371A1 (en) * 2017-04-19 2018-10-25 Beihang University Joint search method for uav multiobjective path planning in urban low altitude environment
US20210397961A1 (en) * 2019-03-05 2021-12-23 Naver Labs Corporation Method and system for training autonomous driving agent on basis of deep reinforcement learning
CN110989656A (zh) * 2019-11-13 2020-04-10 中国电子科技集团公司第二十研究所 一种基于改进人工势场法的冲突解脱方法
WO2021168669A1 (zh) * 2020-02-25 2021-09-02 华为技术有限公司 车辆控制方法及装置
CN112109704A (zh) * 2020-09-22 2020-12-22 同济大学 一种基于精准轨迹预测的车辆避撞动态安全路径规划方法
CN112923944A (zh) * 2021-01-29 2021-06-08 的卢技术有限公司 一种自动驾驶路径规划方法、系统及计算机可读存储介质
CN113296523A (zh) * 2021-05-27 2021-08-24 太原科技大学 一种移动机器人避障路径规划方法
CN114265410A (zh) * 2021-12-25 2022-04-01 长安大学 一种基于多算力融合的局部路径规划方法与系统
CN114442637A (zh) * 2022-02-10 2022-05-06 北京理工大学 一种无人车局部动态避障路径规划方法
CN114995431A (zh) * 2022-06-09 2022-09-02 安徽工业大学 一种改进a-rrt的移动机器人路径规划方法
CN115328152A (zh) * 2022-09-05 2022-11-11 北京理工大学 基于改进人工势场法的无人车局部实时避障路径规划方法
CN115489548A (zh) * 2022-09-20 2022-12-20 重庆大学 智能汽车园区道路路径规划方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
HONGXIA YANG等: "Mobile Robot Path Planning Based on Enhanced Dynamic Window Approach and Improved A∗ Algorithm", JOURNAL OF ROBOTICS, pages 1 - 9 *
张波涛等: "基于栅格-几何混合地图的移动机器人分层路径规划", 华东理工大学学报（自然科学版）, vol. 37, no. 5, pages 621 - 626 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117055559A (zh) * 2023-08-30 2023-11-14 苏州大成运和智能科技有限公司 一种改进人工势场法的自动驾驶车辆避障方法

Also Published As

Publication number Publication date
CN116202550B (zh) 2023-07-11

Similar Documents

Publication Publication Date Title
CN111338340B (zh) 基于模型预测的无人驾驶汽车局部路径规划方法
CN110908373B (zh) 一种基于改进人工势场的智能车辆轨迹规划方法
US11554785B2 (en) Driving scenario machine learning network and driving environment simulation
CN113064426B (zh) 一种改进双向快速搜索随机树算法的智能车路径规划方法
CN113359718B (zh) 移动机器人全局路径规划与局部路径规划融合方法及设备
CN116202550B (zh) 融合改进势场与动态窗口的汽车路径规划方法
CN111324848B (zh) 移动激光雷达测量系统车载轨迹数据优化方法
CN108106623B (zh) 一种基于流场的无人车路径规划方法
CN108898866B (zh) 一种智能车辆控制系统
CN112731916A (zh) 融合跳点搜索法和动态窗口法的全局动态路径规划方法
CN110703757B (zh) 一种面向能耗优化的高铁列车速度规划方法
CN113296523A (zh) 一种移动机器人避障路径规划方法
CN112033403A (zh) 一种基于势场改进蚁群算法的无人机最优路径搜索方法
CN113359768A (zh) 一种基于改进的a*算法的路径规划方法
CN114397896A (zh) 一种改进粒子群算法的动态路径规划方法
CN112644486A (zh) 一种基于新型驾驶安全场的智能车避障轨迹规划方法
CN115755908B (zh) 一种基于JPS引导Hybrid A*的移动机器人路径规划方法
Frego et al. Semi-analytical minimum time solutions for a vehicle following clothoid-based trajectory subject to velocity constraints
CN116360457A (zh) 一种基于自适应栅格和改进a*-dwa融合算法的路径规划方法
CN113608531A (zh) 基于安全a*引导点的动态窗口的无人车实时全局路径规划方法
CN114859905A (zh) 一种基于人工势场法和强化学习的局部路径规划方法
CN115016482A (zh) 一种改进室内移动机器人全局和局部路径协调优化方法
CN116465427A (zh) 一种基于时空风险量化的智能车辆换道避障路径规划方法
CN115454083A (zh) 基于快速扩展随机树与动态窗口法的双层路径规划方法
CN114545921B (zh) 一种基于改进rrt算法的无人汽车路径规划算法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant