论文部分内容阅读
智能车辆是汽车科技发展的产物,它将在降低交通事故发生率、减少交通拥堵、改善大气环境、降低能源消耗等方面做出重要贡献。无人驾驶是智能车辆发展的高级阶段,局部路径规划作为无人驾驶技术最核心的技术之一是研究无人驾驶不可或缺的环节。车辆在行驶中会面临复杂多变的交通环境,为了让局部路径规划技术的研究更贴近实际情况,本文针对复合工况下的局部路径规划进行研究,主要研究内容分为两部分,分别是横向的轨迹规划和纵向的速度规划。具体研究内容如下:(1)智能车辆的轨迹规划方法研究。智能车辆的轨迹规划就是要规划出一条连接车辆当前位置到局部目标点的轨迹,而这条轨迹又要符合来自道路、障碍物和车辆自身的约束。1)为了得到满足道路和障碍约束的路径,本文通过对比分析Astar算法和RRT算法两种主流的路径搜索算法,在Astar算法基础上借鉴了RRT算法避障检测和利用贪心算法缩短路径的优点,提出了改进的Astar算法用以路径搜索,利用三次B样条曲线对路径进行平滑处理;2)为了得到满足车辆自身约束的轨迹,基于车辆运动学和动力学设计了轨迹簇,并利用评价函数选择最优轨迹;3)为了得到局部路径规划的局部目标点,本文介绍了已知全局路径和决策命令的情况下在结构化道路和非结构化道路环境中选择局部目标点的方法。(2)智能车辆的速度规划方法研究。轨迹规划给出的是一条轨迹曲线,速度规划给出的是这条轨迹曲线上的速度状态信息。1)本文基于对移动障碍物未来轨迹预测建立已知轨迹纵向位移与时间的二维关系图,在此二维图中利用改进的Astar算法进行速度规划;2)利用五次曲线基于梯度下降法对速度规划方案进行平滑处理;3)基于平滑得到的五次多项式利用评价函数对速度规划方案评价择优。(3)复合工况下局部路径规划方法的研究。在轨迹规划和速度规划的基础上制定了复合工况下局部路径规划的总体解决方案。针对轨迹规划、速度规划和复合工况设计了仿真场景,利用Carsim与MATLAB/Simulink联合仿真平台分析验证了本文提出的局部路径规划方法的合理性和有效性。