智能车局部路径规划方法研究+文献综述(2)
时间:2018-09-11 11:04 来源:毕业论文 作者:毕业论文 点击:次
国外智能汽车的研究热潮早已影响中国IT界各大企业。同时，在国家鼓励互联网企业参与新能源汽车技术研发和运营服务的形势下，这些企业也都不约而同瞄准汽车行业。百度效仿谷歌启动“无人驾驶汽车项目”的消息已得到百度李彦宏的亲自证实，百度无人驾驶汽车将于今年正式面世，该项目由百度深度学习研究院负责；阿里巴巴和上汽集团组建合资公司正式加入互联网汽车的竞争，涉及相关应用服务领域的合作，其智能汽车也在秘密研发中；腾讯、富士康、和谐汽车组成“铁三角”，合作成了联合专业工作团队，要展开一场“互联网+智能电动车”的合作。除去BAT这三大互联网巨头，乐视也紧随其后，与北京汽车合作共同研发“超级汽车”概念车。由此可见，各大IT企业都想分一块智能汽车市场的蛋糕，智能汽车的研发将会是未来的互联网的发展方向之一。 1.2 局部路径规划问题描述 智能车型机器人与多种技术研究相关，在这之中导航技术处于核心地位，路径规划则是导航技术研究的一个重要环节和组成部分。移动机器人路径规划是指在有障碍物的环境中，如何寻找一条从给定起点到终点适当的运动路径，使机器人在运动过程中能安全、无碰撞地绕过所有障碍物[1]。路径规划主要解决移动机器人运动过程中的两大问题——导航和避障。它的最终目的是使机器人运动到目标点，整体的约束是在整个运动过程中能够与任何障碍物都无碰撞发生。 根据移动机器人对其周围环境信息掌握的程度不同，我们将路径规划分为全局路径规划和局部路径规划两类[2]。全局路径规划，又称为离线或静态路径规划化，是一种发展较成熟的规划，可以给机器人规划出一条全局最优的路径，但它把外界环境考虑得更为复杂一些，所以需要环境的先验信息，计算量相对较大；局部路径规划是指机器人处于未知或部分未知的环境下通过自身携带的传感器来获取周围环境的信息，包括障碍物的形状、位置和尺寸等，从而使得机器人自主获得一条安全无碰撞的最佳路径。局部路径规划的环境信息获取完全依赖于传感器，它侧重考虑机器人当前的局部环境信息，对环境的感知能够随着环境的变化实时地发生相应变化。根据这些特性我们可以发现，局部路径规划相比于全局路径规划具有更好的实用性和实时性。两者在一定程度上也具有共通性，具体表现为某些全局路径规划方法在改进后同样适用于局部路径规划,某些局部路径规划方法也能改进成为全局路径规划。 1.3 传统实现策略介绍 传统的局部路径规划方法有很多，较为典型、常用的方法主要有人工势场法，模糊逻辑算法，矢量场直方图法，速度空间寻优方法。 1.3.1 人工势场法 人工势场法[3] 是Khatib在1986年首次提出,属于虚拟力法，是解决移动机器人局部规划问题的一个较为完善的算法。它的基本原理是将移动机器人周围的环境虚拟成一个人工势场，目标位置构成引力场，而障碍物形成斥力场，在两者的抽象合力作用下驱使机器人绕过障碍物试图找到一条安全无碰撞的路径。这个合力是机器人的加速度力，使它能向目标前进，并且用来控制机器人的运动方向。 该方法需要构造一个叫做势场函数的标量函数，一般根据实际需要来设定，构建原则是函数可微，并且能让系统处于稳定状态。势场函数的最小值对应目标位置，障碍物区域的点对应较大的函数值，在其他任何位置，势场函数都是向目标位置单调递减的，在路径存在的情况下，我们利用势能值的负梯度方向来寻找目标位置。 (责任编辑：qin) |