[发明专利]一种基于自由空间与快速搜索随机树算法的无人车动态路径规划方法

说明书

本文发明公开了一种基于自由空间与快速搜索随机树算法的无人车动态路径规划方法。本文利用凹多边形凸分解的图形学方法，设计了一种在含有障碍地图上构建自由空间的方法，并应用人工蜂群算法对进行路径优化找出全局最优路径。本文通过调整随机树节点采样概率，实现了基于改进快速搜索随机树算法的快速路径规划方法。最后，本发明分别利用自由空间法和快速搜索随机树算法实现动态地图的全局路径规划和无人车行进过程中的局部快速路径规划，兼顾了动态环境下路径规划的质量和速度。

1.技术领域

本发明涉及路径规划领域，尤其涉及动态环境下无人车行进过程中地图发生变化的路径规划。

2.背景技术

自动驾驶技术是人工智能领域中的热点方向，在未来社会中，大部分车辆将会配置自动驾驶技术，使得地面交通更加通畅、交通事故率更低。作为其中关键一环的动态环境路径规划方法，须要达到以下目的和要求：1)行驶路径不与障碍物发生碰撞；2)路径须连接起点与终点区域；3)路径质量较高；4)动态规划时间短。

现有的路径规划算法很难同时满足上述要求，例如，RRT算法与A*算法容易陷入陷阱区域，且在复杂环境下规划速度较慢；人工势场法和粒子群算法易陷入局部最优解；栅格法易受栅格划分精度的影响；V图算法和切线法不适用于复杂地图；自由空间法适用于复杂地图，但由于自由空间原始构建逻辑略显复杂且计算量较大，不适用于动态环境下的局部快速规划。

3.发明内容

由于不同的路径规划算法特点各不相同，使用单一算法难以在动态环境下实现快速、高质量的响应。本发明结合自由空间法和快速搜索随机树算法，提供了一种既可以满足路径规划质量，又可以在动态变化的环境中保证路径规划实时性的算法。在无人车启动前，根据已知环境规划出一条由起点至终点且不与障碍物发生碰撞的最优路径，在无人车行进过程中，根据环境变换情况，利用局部快速规划算法实时调整路径。这样既可以保证路径质量接近最优，又可以利用局部快速路径规划算法完成快速响应。

本发明首先提出了一种基于自由空间法的全局最优路径规划算法，结合人工蜂群算法进行改进，自由空间法是一种基于图形学的路径规划算法，这种算法可以在配合优化算法的基础上得到全局最优路径。然后还提出了一种基于快速搜索随机树算法的局部路径规划方法，通过调整随机节点的采样概率，得到一种可以在局部简单地形的环境下进行快速路径规划的算法。最后，本发明结合以上两种算法，实现了动态环境下的无人车路径规划。

4.附图说明

图1为：构造单连通多边形示意图

图2为：凹凸顶点及多边形正负判断示意图

图3为：可见点判断及最优可见点选择示意图

图4为：全局搜索初始路径示意图

图5为：路径邻域搜索示意图

图6为：快速搜索随机树生成过程示意图

图7为：改进自由空间法生成全局最优路径示意图

图8为：环境动态变化示意图

图9为：改进RRT*算法生成局部路径示意图

图10为：路径调整示意图

5.具体实施方式

5.1将地图构建为单连通多边形

自由空间法的基本思想为将地图划分为若干个由凸多边形组成的自由空间，本文使用了凹多边形凸分解算法，因此首先应将带障碍物的地图转换为一个多边形，其基本思想及步骤如下。