[发明专利]一种基于图论和改进一阶算法的车辆编队避障方法

说明书

本发明提供一种基于图论和改进一阶算法的车辆编队避障方法，包括以下步骤：使用激光雷达采集车辆运行环境数据以及通过传感器采集车辆位姿数据，基于采集到的数据建立车辆拓扑结构模型实现车辆间信息交互，分析拓扑图的生成树情况，确保拓扑图的稳定性；设置车辆理想编队位置，选择领航‑跟随理论建立车辆误差模型，在一般一阶算法的基础上添加随相对位置变化的权重对误差模型进行控制实现编队；在避障方面建立改进人工势场法，在障碍物影响范围内将斥力函数分解为障碍物与车辆方向以及车辆与目标方向的分量，建立引力函数实现目标点对编队车辆的吸引，并将引力函数和斥力函数添加到改进一阶算法的控制模型中实现车辆整体控制。

技术领域

本发明涉及计算机视觉的技术领域，特别是一种基于图论和改进一阶算法的车辆编队避障方法。

背景技术

在汽车为人们出行提供方便的同时，汽车保有量的持续增长也引发了交通堵塞、交通事故、交通停车、环境污染等社会问题，而这些问题的解决，不仅依赖于道路改造及建设，更需要制定科学有效的交通管理规划方案，解决特定时段内人、车、路三者的矛盾。在此背景下，目前的研究热点已经聚焦于解决实际道路环境下，特定时段内多车辆的协同统筹问题，通过合理的路径规划实现车辆协同控制。

编队车辆中的领航车可以起到屏蔽气流的作用，从而降低整个系统的空气阻力，减少燃油消耗；且车辆间距较小，道路占用率低，可以提高道路通行能力。因此车辆协同控制是智能交通系统的一个重要研究方向，对缓解交通拥堵、降低能源消耗、提高交通效率具有重要意义，而且可以促进交通规划和管理。

目前智能车辆协同控制主要包括编队控制和路径规划两方面。

首先是车辆编队，车辆编队常用的控制方法主要有：领航-跟随法，是指领航车和跟随车之间保持特定的位置误差和速度误差就可以实现编队；人工势场法，假定所有车辆位于磁场中，车辆之间通过斥力和吸引力保持队形；行为控制法，即将编队分解为队形形成、变换及避障行为，系统为这些行为设定触发条件，根据外界信号的刺激做出运动决策；虚拟结构法，是指定义虚拟领航点，和领航法不同的是每辆车都有虚拟点需要跟踪，将编队问题转化成了路径跟踪问题；仿生群体智能法，是指以生物集群行为中的邻近个体交互、自组织性等特点为思想对车辆编队控制的局部性、分布式以及鲁棒性进行研究；预测控制法，是指利用预测模型来估计被控过程未来的输出与设定值之间的偏差，以此为基础计算当前输入，通过实际输出值进行反馈校正，核心在于对车辆间的状态误差进行控制。但是这些方法存在以下局限点：(1)车辆编队调节时间过长，虽然能达到稳态值，但是车辆误差变化大，整个系统的稳定性有待提高；(2)单一的编队方法存在缺点，例如领航跟随法不仅需要保持队形还需要实现对领航车状态跟踪，导致系统过多依赖领航车信息；传统人工势场法不适用于复杂障碍物环境，行为控制法不易分析其稳定性，虚拟结构法中的虚拟领航车的设置对系统通信以及计算能力要求高等。

第二就是路径规划，车辆避障路径规划作为保证车队安全行驶的前提，是多智能车协同控制研究的重中之重。A^*算法引入了启发函数避免了路径规划问题中产生大量的无效搜索路径；蚁群算法是一种启发式随机搜索算法，存在计算量大、收敛速度慢等问题；Dijkstra算法主要特点是由中心向外扩散，直到扩展到终点，但其遍历计算节点较多；遗传算法得到的路径符合现实中路径选择需求，但运算量大且耗时长；快速随机搜索树法是一种基于采样的概率算法，其特点主要是在空间中随机生成新节点并在新节点上继续向目标点延伸，但存在路径不平滑的问题；粒子群算法同遗传算法都是迭代算法，相较于遗传算法，粒子群算法收敛速度较快，但粒子同一化后，收敛速度较慢。

发明内容