[发明专利]一种改进人工势场算法的智能车路径规划方法

说明书

本发明公开了一种改进人工势场算法的智能车路径规划方法，包括采集起点、目标点、障碍物的位置参数，构造引力势场函数和斥力势场函数，根据引力势场函数和斥力势场函数计算得到智能车在当前位置点所受的合力，根据合力牵引智能车向目标点前进生成相应路径；逃离局部极小值点的步骤，通过以当前点或所得运动点为圆心、半径为步长的圆上取一随机点，利用构造的概率函数判断是否设为下一运动点，根据势场大小判断是否逃离局部极小值点，最后通过势能阈值限制迭代次数即步数，最后选取有限步数内平滑度最好的逃离轨迹，实现自动根据局部极小值点影响区域大小调整移出影响区域的步长和轨迹，轨迹平滑度与移动步数、计算量之间难以平衡，解决现有技术的问题。

技术领域

本发明属于人工智能技术领域，涉及一种改进人工势场算法的智能车路径规划方法。

背景技术

路径规划方法是在障碍物环境下，按照一定的评价标准规划出一条从起始状态(位置，姿态)到目标状态的无碰路径，主要考虑局部移动主体和障碍物之间的几何关系，找到一条不发生碰撞的路径。路径是一条静态的几何轨线，不包含时间概念，通常表示智能车辆在笛卡尔坐标下的位置和姿态关系。

由于人工势场法简单实用，良好的实时性，结构简单，便于底层的实时控制，在实时避障和平滑的轨迹控制方面得到广泛的应用。但是容易陷入局部极小值。当智能车所受引力与斥力大小相等、方向相反时，智能车所受合力为0，此时智能车陷入了局部极小值点。在局部极小值点周围的各个位置的合力都指向局部极小值，导致智能车在局部极小值点周围振荡，无法自行走出该区域。

现有技术中虽然也提供了一些在局部极小值点移动到外部脱离该区域的方法，但是现有方法往往仅仅是控制车辆移出局部极小值点影响区域，车辆的移动步长对轨迹的平滑度影响较大，步长大的轨迹平滑度差，导致路径较长，造成耗能和时间的浪费，步长小的无法保证在有限步数内移动到影响区域外，无法根据影响区域大小调整步长，导致移动步数过多，整体路径规划情况下计算量偏大。

发明内容

本发明的目的在于提供一种改进人工势场算法的智能车路径规划方法，以解决现有技术中无法自动根据局部极小值点影响区域大小调整移出影响区域的步长和轨迹，轨迹平滑度与移动步数、计算量之间难以平衡的技术问题。

所述的一种改进人工势场算法的智能车路径规划方法，包括采集起点、目标点、障碍物的位置参数，构造引力势场函数和斥力势场函数，根据引力势场函数和斥力势场函数计算得到智能车在当前位置点所受的合力，根据合力牵引智能车向目标点前进生成相应路径；

当智能车陷入局部极小值点时执行逃离局部极小值点的步骤：设置X＝S，S为局部极小值点，以点X为圆心、半径为步长ΔX的圆上取一随机点X₁，根据设定要求从随机点中找出满足要求的运动点，直至最后的运动点满足逃离局部极小值点条件，再将之前各个运动点组成备选路径后暂存，缩减步长ΔX的值，重置X＝S重复上述步骤获得若干备选路径，上述步骤中在设置X＝S后引入点的势能T，势能T由迭代算式生成并且迭代递减，当势能T小于设定阈值时，停止生成备选路径并根据之前各备选路径最后的运动点的势能T，选择势能最低点对应的路径为最终结果，并从该结果中最后的运动点开始继续牵引智能车向目标点前进生成相应路径。

优选的，逃离局部极小值点的步骤具体如下：

S1、设置X＝S，S为局部极小值点；

S2、设置表示势能的T，T的迭代计算式为T(t)＝αT(t-1)，0.85＜α＜1，初始状态设定T＝T₀，T₀为设定值并大于0，t为迭代次数；

S3、ΔX为设定步长，T_f为设定阈值，当满足T≥T_f时产生一个随机点X₁＝X+ΔX，否则转到步骤S9；