[发明专利]一种动态变采样区域RRT无人车路径规划方法

说明书

本发明涉及一种基于动态变采样区域的概率目标偏置快速扩展随机树(RRT)无人车路径规划方法。所述方法包括：首先，初始化地图信息，根据动态变采样区域公式判断所处区域；在此基础上进行预留安全距离的碰撞检测，并根据概率目标偏置公式和步长选择公式生成新生节点，重复上述步骤直到满足新生节点和目标节点之间的距离小于距离阈值，反向搜索，输出路径；最后，考虑最大转角约束对输出路径进行逆向寻优和3次B样条曲线拟合优化，仿真验证了所述方法的有效性。本发明能够降低节点搜索的盲目性和随机性，减少路径搜索的时间，且规划的路径平滑符合车辆运动动力学约束。

技术领域

本发明涉及一种动态变采样区域快速扩展随机树(RRT)算法的无人车路径规划方法，属于无人车路径规划领域。

背景技术

随着科学技术的持续发展，无人车被广泛应用于军事领域，包括物资运输、危险作业、特种任务等，但在无人车路径规划方面仍存在不足，例如规划速度慢、全局规划难度大等缺点。

针对上述缺点，多种路径规划算法被应用于无人车路径规划，常用的路径规划算法有蚁群算法、遗传算法、A*算法、RRT算法等。RRT算法因运算速度快、搜索能力强、结构简单等优点广泛应用于无人车的路径规划。但是RRT算法在无人车路径规划方面的应用存在如下问题：

(1)路径的不连续问题，传统RRT算法由于节点搜索的盲目性和随机性，易造成无人车规划路径的不连续与曲折，不符合无人车自身的动力学约束；

(2)局部最优问题，常规的基于单一目标偏置的RRT算法容易导致算法在障碍物附近震荡，造成局部最优和区域停滞问题。

论文《改进RRT-Connect算法的移动机器人路径规划》提供的方法，有如下问题：

(1)动态步长的选择未考虑安全距离，规划的路径可能无法进行实际应用，为此，本发明结合安全距离进行步长选择；

(2)路径规划过程未进行路径优化，生成路径的质量较差，为此，本发明利用逆向寻优和3次B样条曲线优化，使路径更加的平滑。

专利《路径规划系统及路径规划方法》提供的方法，有如下问题：

(1)当区域障碍物过多时，易导致路径局部震荡，为此，本发明引入了后退机制，避免节点搜索陷入局部震荡；

(2)未考虑动力学约束，生成的路径可行性差，为此，本发明考虑了车长和最大转角约束，满足车辆动力学约束。

专利《基于高斯采样和目标偏向引导的快速扩展随机树算法、电子设备及存储介质》提供的方法，存在如下问题：

(1)新生节点X_new生成过程未考虑安全距离，节点缺乏可行性，为此，本发明在节点生成中考虑了动态安全距离，保证了生成路径的可行性；

(2)对于目标点和随机点权重参数k₁、k₂实时性选择难度大，复杂性高，为此，本发明利用概率目标偏置策略，保证了节点生成的多样性和简单易行性。

发明内容

本发明创造目的在于，提供一种改进快速扩展随机树算法。利用动态变采样区域的方法，优化快速扩展随机树算法节点选择的全局盲目性；运用动态概率目标偏向策略，避免陷入局部最优解和障碍物区域震荡；结合安全距离的动态步长选择，保证了规划路径的安全性和合理性；利用考虑最大转角的逆向寻优和3次B样条曲线拟合，保证了路径的连续性和平滑度。

为实现上述目的，本发明采用如下技术方案。

本发明的一种基于动态变采样区域RRT路径规划方法，包括如下步骤：

步骤1：