基于改进RRT算法的无人车路径规划

摘要：

针对无人车在复杂环境中进行全局路径规划时存在的盲目搜索、节点冗余、路径不光滑及不安全等问题,提出一种基于快速扩展随机树(RRT,rapidly-exploring random tree)的综合改进路径规划算法;首先引入目标动态概率采样策略和人工势场引导随机树扩展机制;其次根据汽车运动学模型,对规划的路径进行转角约束和碰撞检测,保证路径的安全性;然后引入Reeds-Sheep曲线用于直接与目标位姿进行连接,避免多余的位姿调整;最后对路径进行剪枝和平滑处理,得到一条更短更光滑的路径;在实验部分,针对不同仿真环境,以规划时间、路径长度和节点数目作为评价指标,对比了 RRT算法、RRT*算法和文章算法的路径规划效果;实验结果显示,文章算法相比于RRT算法和RRT*算法,节点数目分别减少了 58.94％和85.22％,规划时间分别缩短了 61.20％和79.23％,且路径长度相比于RRT算法缩短了 17.26％,并和RRT*算法规划的最优路径长度相近.

关键词：无人车、全局路径规划、人工势场法、快速扩展随机树、Reeds-Sheep曲线

所属期刊栏目：31

分类号：TP242(自动化技术及设备)

资助基金：辽宁省重点研发项目2020JH2/10100028

在线出版日期：2023-02-15（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：160-166