论文部分内容阅读
针对无人驾驶汽车,提出了一种基于改进快速搜索随机树(RRT)的轨迹规划算法。首先,基于车辆转向约束,在传统RRT算法的基础上,限制采样可行区域,基于目标偏向策略,以一定的概率将目标点作为随机点进行随机树扩张;其次,对生成路径采用三次B样条曲线平滑处理,降低轨迹曲线的曲率及曲率变化率;最后,基于Matlab/CarSim联合仿真平台构建直线路况与直角路况,并使用提出的算法在不同路况下进行轨迹规划的仿真与分析。结果表明:改进RRT算法下规划轨迹的曲率均值、极大值与方差小,相比于无约束控制,15°转角约束下在直线路况中分别降低了22. 9%,51. 7%与43. 3%,在直角路况中分别降低了29. 5%,59. 3%与40. 3%;同时,改进RRT算法的平均采样点数及平均树节点数少、规划时间短,相比于无转角约束,15°转角约束下在直线路况中分别降低了62. 9%,38. 2%与78. 5%,在直角路况中分别降低了34. 0%,41. 9%与27. 4%,路径规划质量和速度显著提高。