基于快速扩展随机树的无人车路径规划研究
发布时间：2022-02-22 09:12
无人车的路径规划指的是已知车辆的起点位置、终点位置和环境中的障碍物分布,规划出一条与障碍物不相碰撞的路径。近年来新的路径规划算法不断出现和发展,在路径规划领域最具有代表性和最常见的路径规划算法主要分为基于地图的路径规划算法、基于仿生学的路径规划算法以及基于采样的路径规划算法。基于采样的搜索算法有概率图算法和快速扩展随机树算法（Rapidly-exploring Random tree,RRT）。快速扩展随机树算法优点在于其不需要对规划的空间进行建模,是一种随机采样的算法,同时考虑了无人车客观存在的约束,因此得到了广泛应用。基本快速扩展随机树算法在进行路径规划时也存在以下缺点:（1）随机生成路径,路径具有偏差性;（2）随机树在搜索过程中无导向性;（3）收敛速度迟缓,搜索效率低等。本文以快速扩展随机树算法作为研究对象,在分析研究基本快速扩展随机树算法的基础上,通过指向性和启发函数改进基本快速扩展随机树算法,实现车辆的路径优化。基于车辆进行运动学分析,建立车辆坐标系和车辆运动转向模型,通过转向约束,使规划路径符合车辆行驶需求,为后续路径规划试验研究奠定基础。针对快速扩展随机树算法缺点,采用双...
【文章来源】：南京林业大学江苏省
【文章页数】：81 页
【学位级别】：硕士
【文章目录】：
致谢
摘要
abstract
第一章 绪论
1.1 课题研究意义与目的
1.2 无人驾驶汽车研究现状
1.2.1 国外研究现状
1.2.2 国内研究背景
1.3 国内外路径规划技术研究现状
1.3.1 基于地图的路径规划算法
1.3.2 基于仿生学的路径规划算法
1.3.3 基于采样的路径规划算法
1.4 研究内容
1.5 本章小结
第二章 无人车运动学建模
2.1 位姿空间
2.2 车辆模型
2.2.1 车辆模型建模
2.2.2 车辆运动学建模
2.2.3 车辆运动学模型验证
2.2.4 车辆转向运动模型
2.2.5 前轮转向角的范围确定
2.3 本章小结
第三章 基本快速扩展随机树算法
3.1 单向快速扩展随机树
3.1.1 快速扩展随机树算法的基本原理
3.1.2 快速扩展随机树算法不足分析
3.1.3 单向快速扩展随机树仿真实验及分析
3.2 双向扩展随机树
3.2.1 双向快速扩展随机树算法的基本原理
3.2.2 双向快速扩展随机树算法仿真实验及分析
3.3 本章小结
第四章 改进快速扩展随机树算法
4.1 人工势场法
4.2 基于人工势场法改进快速扩展随机树算法
4.2.1 增加引力分量
4.2.2 生成局部随机树
4.2.3 增加斥力分量
4.2.4 改进快速扩展随机树算法基本流程
4.2.5 仿真实验及分析
4.2.5.1 基本快速扩展随机树算法仿真实验结果及分析
4.2.5.2 改进快速扩展随机树算法仿真实验结果及分析
4.3 循环交替迭代搜索算法
4.3.1 循环交替迭代搜索基本流程
4.3.2 仿真实验及分析
4.3.2.1 快速扩展随机树仿真实验结果及分析
4.3.2.2 改进快速扩展随机树算法仿真实验结果及分析
4.4 算法对比分析
4.5 本章小结
第五章 路径优化处理
5.1 角度约束
5.1.1 理论分析
5.1.2 仿真实验与分析
5.2 节点优化
5.2.1 理论分析
5.2.2 仿真实验与分析
5.3 路径平滑处理
5.3.1 B样条曲线
5.3.2 仿真实验与分析
5.4 改进快速扩展随机树算法路径优化
5.4.1 改进算法1路径优化
5.4.2 改进算法2路径优化
5.5 本章小结
第六章 智能车试验
6.1 Car Sim与 Matlab/Simulink联合仿真
6.2 ROS智能车平台下的试验
6.2.1 ROS智能车平台简介
6.2.2 平台硬件配置
6.2.3 SLAM建图
6.2.4 算法实现
6.3 本章小结
第七章 总结与展望
7.1 总结
7.2 展望
攻读学位期间所获得的科研成果
参考文献
【参考文献】：
期刊论文
[1]无人驾驶汽车局部路径规划算法研究[J]. 彭晓燕,谢浩,黄晶. 汽车工程. 2020(01)
[2]基于RRT改进的智能车辆路径规划算法[J]. 施杨洋,杨家富,布升强,朱林峰. 计算技术与自动化. 2019(04)
[3]无人驾驶汽车发展现状及发展趋势[J]. 刘作峰,张金友. 河北农机. 2020(01)
[4]自动驾驶车辆智能性评价研究综述[J]. 陈君毅,李如冰,邢星宇,蒙昊蓝,余卓平. 同济大学学报(自然科学版). 2019(12)
[5]未来交通：自动驾驶与智能网联[J]. 李德毅. 机器人产业. 2019(06)
[6]Development and path planning of a novel unmanned surface vehicle system and its application to exploitation of Qarhan Salt Lake[J]. Zhibin XUE,Jincun LIU,Zhengxing WU,Sheng DU,Shihan KONG,Junzhi YU. Science China（Information Sciences）. 2019(08)
[7]无人驾驶汽车及其发展[J]. 宋飞扬. 中国高新科技. 2019(05)
[8]基于梯度下降法和改进人工势场法的无人车避障方法[J]. 方朋朋,杨家富,施杨洋,于凌宇. 制造业自动化. 2018(11)
[9]基于全向移动机器人路径规划的蚁群算法研究[J]. 何雨,张志安,韩明明,陈庆武,黄学功. 测试技术学报. 2018(05)
[10]多启发因素改进蚁群算法的路径规划[J]. 李理,李鸿,单宁波. 计算机工程与应用. 2019(05)
硕士论文
[1]基于集成的多深度确定性策略梯度的无人驾驶策略研究[D]. 吴俊塔.中国科学院大学(中国科学院深圳先进技术研究院) 2019
[2]无人驾驶车辆的路面信息感知技术研究[D]. 都凯悦.长春理工大学 2018
[3]复杂环境下智能车辆局部路径规划与跟踪方法研究[D]. 孔令上.重庆邮电大学 2017
[4]无人驾驶车辆换道与超车控制方法研究[D]. 祁智.燕山大学 2017
[5]无人驾驶车辆轨迹跟踪分层协调控制方法研究[D]. 马腾.大连理工大学 2017
[6]互联网思维主导的汽车功能与形态设计研究[D]. 董斌.北京理工大学 2015
[7]基于改进RRT与人工势场混合算法的足球机器人路径规划研究[D]. 郝利波.西安科技大学 2011
本文编号：3639148
【文章来源】：南京林业大学江苏省
【文章页数】：81 页
【学位级别】：硕士
【文章目录】：
致谢
摘要
abstract
第一章 绪论
1.1 课题研究意义与目的
1.2 无人驾驶汽车研究现状
1.2.1 国外研究现状
1.2.2 国内研究背景
1.3 国内外路径规划技术研究现状
1.3.1 基于地图的路径规划算法
1.3.2 基于仿生学的路径规划算法
1.3.3 基于采样的路径规划算法
1.4 研究内容
1.5 本章小结
第二章 无人车运动学建模
2.1 位姿空间
2.2 车辆模型
2.2.1 车辆模型建模
2.2.2 车辆运动学建模
2.2.3 车辆运动学模型验证
2.2.4 车辆转向运动模型
2.2.5 前轮转向角的范围确定
2.3 本章小结
第三章 基本快速扩展随机树算法
3.1 单向快速扩展随机树
3.1.1 快速扩展随机树算法的基本原理
3.1.2 快速扩展随机树算法不足分析
3.1.3 单向快速扩展随机树仿真实验及分析
3.2 双向扩展随机树
3.2.1 双向快速扩展随机树算法的基本原理
3.2.2 双向快速扩展随机树算法仿真实验及分析
3.3 本章小结
第四章 改进快速扩展随机树算法
4.1 人工势场法
4.2 基于人工势场法改进快速扩展随机树算法
4.2.1 增加引力分量
4.2.2 生成局部随机树
4.2.3 增加斥力分量
4.2.4 改进快速扩展随机树算法基本流程
4.2.5 仿真实验及分析
4.2.5.1 基本快速扩展随机树算法仿真实验结果及分析
4.2.5.2 改进快速扩展随机树算法仿真实验结果及分析
4.3 循环交替迭代搜索算法
4.3.1 循环交替迭代搜索基本流程
4.3.2 仿真实验及分析
4.3.2.1 快速扩展随机树仿真实验结果及分析
4.3.2.2 改进快速扩展随机树算法仿真实验结果及分析
4.4 算法对比分析
4.5 本章小结
第五章 路径优化处理
5.1 角度约束
5.1.1 理论分析
5.1.2 仿真实验与分析
5.2 节点优化
5.2.1 理论分析
5.2.2 仿真实验与分析
5.3 路径平滑处理
5.3.1 B样条曲线
5.3.2 仿真实验与分析
5.4 改进快速扩展随机树算法路径优化
5.4.1 改进算法1路径优化
5.4.2 改进算法2路径优化
5.5 本章小结
第六章 智能车试验
6.1 Car Sim与 Matlab/Simulink联合仿真
6.2 ROS智能车平台下的试验
6.2.1 ROS智能车平台简介
6.2.2 平台硬件配置
6.2.3 SLAM建图
6.2.4 算法实现
6.3 本章小结
第七章 总结与展望
7.1 总结
7.2 展望
攻读学位期间所获得的科研成果
参考文献
【参考文献】：
期刊论文
[1]无人驾驶汽车局部路径规划算法研究[J]. 彭晓燕,谢浩,黄晶. 汽车工程. 2020(01)
[2]基于RRT改进的智能车辆路径规划算法[J]. 施杨洋,杨家富,布升强,朱林峰. 计算技术与自动化. 2019(04)
[3]无人驾驶汽车发展现状及发展趋势[J]. 刘作峰,张金友. 河北农机. 2020(01)
[4]自动驾驶车辆智能性评价研究综述[J]. 陈君毅,李如冰,邢星宇,蒙昊蓝,余卓平. 同济大学学报(自然科学版). 2019(12)
[5]未来交通：自动驾驶与智能网联[J]. 李德毅. 机器人产业. 2019(06)
[6]Development and path planning of a novel unmanned surface vehicle system and its application to exploitation of Qarhan Salt Lake[J]. Zhibin XUE,Jincun LIU,Zhengxing WU,Sheng DU,Shihan KONG,Junzhi YU. Science China（Information Sciences）. 2019(08)
[7]无人驾驶汽车及其发展[J]. 宋飞扬. 中国高新科技. 2019(05)
[8]基于梯度下降法和改进人工势场法的无人车避障方法[J]. 方朋朋,杨家富,施杨洋,于凌宇. 制造业自动化. 2018(11)
[9]基于全向移动机器人路径规划的蚁群算法研究[J]. 何雨,张志安,韩明明,陈庆武,黄学功. 测试技术学报. 2018(05)
[10]多启发因素改进蚁群算法的路径规划[J]. 李理,李鸿,单宁波. 计算机工程与应用. 2019(05)
硕士论文
[1]基于集成的多深度确定性策略梯度的无人驾驶策略研究[D]. 吴俊塔.中国科学院大学(中国科学院深圳先进技术研究院) 2019
[2]无人驾驶车辆的路面信息感知技术研究[D]. 都凯悦.长春理工大学 2018
[3]复杂环境下智能车辆局部路径规划与跟踪方法研究[D]. 孔令上.重庆邮电大学 2017
[4]无人驾驶车辆换道与超车控制方法研究[D]. 祁智.燕山大学 2017
[5]无人驾驶车辆轨迹跟踪分层协调控制方法研究[D]. 马腾.大连理工大学 2017
[6]互联网思维主导的汽车功能与形态设计研究[D]. 董斌.北京理工大学 2015
[7]基于改进RRT与人工势场混合算法的足球机器人路径规划研究[D]. 郝利波.西安科技大学 2011
本文编号：3639148
本文链接：https://www.wllwen.com/kejilunwen/sousuoyinqinglunwen/3639148.html
