自主车位置不确定时的路径规划



自主车位置不确定时的路径规划

路径规划是实现自主车辆功能需要解决的首要问题。在行驶过程中，为得到一条最优路径，使用各种不同的传感器检测自主车辆周围的环境，并进行路径规划。但由于道路环境频繁而突然的变化以及使用价位低的全球定位系统和传感器，使得自主车辆定位常常出现误差。因此，提出了一种有效的解决方法，并通过仿真试验验证了该方法的有效性。

目前，在自主车辆上常用的路径规划算法有势场法和维诺图，但这两种规划算法在路径规划过程中没有考虑自主车辆可能发生的位置变化，而利用高精度仪器和传感器滤波技术进行定位误差补偿可以改善这种情况。但在多路径现象的城市环境中，使用上述规划算法仍然无法得到一条准确的最优路径。本文通过使用一种图形搜索算法即A*算法，通过历史路径生成一条稳定路径。路径规划初始时，没有任何历史路径，A*算法开始在路网地图中搜素可行路径，并将生成的可行路径存储到路径库中。这期间，当获得一条路径时，A*算法考虑这条路径和其它影响因素在其基础上生成一条额外的路径，此过程不断迭代。当目标位置发生变化时，路径库根据新目标位置和当前目标位置距离的变化执行一个更新过程，之后根据新目标位置进行路径规划。先从路径库中选择多条路径作为A*算法的输入，再利用贝塞尔曲线生成一条平滑路径，该路径则是希望得到的最优路径。对给出的方法进行仿真试验。试验时，假设自主车辆位置误差和航向角误差服从一个随机高斯分布；将自主车辆视为一个点；根据自主车辆的尺寸设定障碍物的尺寸值；利用Sick511激光雷达模型进行障碍物检测；设定行驶车速为20km/h，重复模拟次数为1000。仿真试验结果表明，使用所提出的算法进行路径规划可以有效减少自主车辆行驶方向改变的次数，当历史路径的数目大于9条时，行驶方向改变的次数急剧降低，但历史路径数目的增加使得A*算法生成最优路径的计算时间增加。

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

编译：王维