[发明专利]一种自动驾驶车辆避障路径规划方法、车辆及可读存储介质

说明书

本发明提供一种自动驾驶车辆避障路径规划方法、车辆及可读存储介质，方法涉及自动驾驶车辆路径规划领域，方法在提高算法收敛速度和改善规划路径质量方面效果显著。首先，利用车载感知系统获取的环境数据建立二维栅格化地图模型；其次，利用本发明构造的全局启发函数优化蚁群算法状态转移概率，在基于车速和贝塞耳光滑曲线的约束条件下，引导一定规模的蚂蚁依次向目标点移动；再次，利用本发明提出的一种基于动态调整的信息素更新策略，引导优化过程快速向全局可行最优解收敛；最后，达到规定的迭代次数，迭代终止，生成输出全局最优的自动驾驶车辆避障规划路径。

技术领域

本发明涉及自动驾驶车辆路径规划领域，尤其涉及一种自动驾驶车辆避障路径规划方法、车辆及可读存储介质。

背景技术

路径规划是自动驾驶车辆运动控制的关键技术，通常被描述为自动驾驶车辆在空间环境约束下寻找一条从起始点通往目标点的最优无碰撞路径。自动驾驶车辆又称为轮式移动机器人，其路径规划算法的研究源自机器人技术。现有技术中公开了诸多路径规划算法，比如蚁群算法、Dijastra算法、A*算法、粒子群算法、快速探索随机树算法(RRT)、人工势场法、禁忌搜索算法、神经网络法、动态窗口算法等。但大多数算法针对具体问题需要进行优化整合，自动驾驶车辆安全行驶要求延时必须控制在毫秒甚至微秒级别，对算法效率、规划路径转弯的平滑性提出了较高的要求。

而蚁群算法是由意大利学者M.Dorigo等人于1996年首先提出，它源于对蚂蚁群体觅食机制的研究。蚁群算法具有自组织、分布式、正反馈、鲁棒性强等优点，易于与其他优化算法相结合，已经广泛用于求解车辆路径规划、机器人路径规划、无人机飞行路径规划等问题。但是，蚁群算法理论模型缺乏科学的数学基础，关键参数的选择多依靠试验和经验来确定，易出现收敛速度慢、路径拐点多转弯角度大、局部收敛或搜索停滞等典型问题。

发明内容

为解决基本蚁群算法在路径规划中存在的收敛速度慢、路径弯角度大等技术问题，本发明提供了一种改进蚁群算法的自动驾驶车辆避障路径规划方法。

方法包括：

步骤1：利用车载感知系统获取环境数据，并构建基于自动驾驶车辆二维栅格化的行驶道路地图模型；

在行驶道路地图模型中定位起始点S和目标点E；获取空间所有节点信息，计算邻接矩阵D和计算启发式信息矩阵；

步骤2：初始化迭代次数N，蚂蚁规模M，信息启发式因子α，期望启发式因子β，信息素挥发系数ρ，ε、t,信息素浓度，当前路径列表RT以及禁忌表TS；将起始点S分别置于禁忌表RT和当前路径列表TS中；

步骤3：查询邻接矩阵D，获取当前节点i出发下一步可行节点的集合然后利用全局启发函数η_ij(t)优化蚁群算法状态转移概率计算第m(m＝1,2,3,…,M)只蚂蚁选择相邻节点的概率；

按轮盘法选择下一节点，将选定的节点作为新的当前节点；

更新当前路径列表RT和禁忌表TS；

步骤4：更新蚂蚁序号，若第m只蚂蚁的当前路径列表包含了目标点或无路径且m≥M，则转入步骤5，否则返回步骤3；

步骤5：更新信息素，计算当前迭代最优路径，并利用动态调整的信息素增量模型Δτ_ij更新信息素矩阵；

步骤6：若n≥N，则输出最优路径并停止迭代，否则返回步骤3。

进一步需要说明的是，步骤3中的蚁群算法状态转移概率表达式为：

式中：为t时刻第m只蚂蚁从当前位置节点i到相邻位置节点j的状态转移概率；

τ_ij(t)为路径(i,j)上的信息素浓度；