改进RRT算法在复杂环境下智能车路径规划中的应用

来源：中国血液净化杂志2021年第3期北京时间：

作者：张卫波, 肖继亮

单位：福州大学 机械工程及自动化学院, 福建 福州 350116"],"fundList_en":["The Intelligent Manufacturing Integrated Standardization and New Model Application Project in 2016 of MIIT ((2016) 213); R & D Cooperative Innovation Center of Bus and Special Vehicle in Fujian Province (2016BJC011)

摘要：采用快速搜索随机树（RRT）算法进行路径规划时，在存在大量随机障碍物的复杂环境下，规划出的路径曲折且算法无法快速收敛，不能满足智能车路径规划的要求。为了实现智能车路径规划，提出一种基于RRT的运动规划算法——同心圆RRT算法。该算法在RRT算法的基础上结合智能车行驶时自身运动学约束，引入同心圆采样策略和邻近点选择方法。同心圆采样策略以目标点为同心圆的圆心，利用同心圆系数<i>m</i>控制同心圆的疏密程度，在同心圆上生成随机点以便确定下一路径点。邻近点选择方法考虑车辆运动学约束及目标点距离因素，在满足车辆运动学约束的前提下，计算邻近系数，将最小邻近系数对应的随机树节点作为邻近点；针对得到的规划路径，进一步提出基于车辆运动学约束下的路径简化方法，对得到的路径进行简化并使用3次B样条曲线对路径平滑处理，生成一条平滑且可执行的路径。研究结果表明：<i>m</i>=0.5~1.5时，提出的算法规划出路径所需时间最少；车辆姿态与下一路径点的夹角约束值越大，规划出路径所需时间越少，在夹角为35&#176;时趋于稳定；在相同的环境中，提出的算法所规划的路径质量相比于RRT算法、目标偏向RRT算法及改进RRT^*算法有显著提高，规划出路径所需时间及路径长度相比于RRT算法分别降低了43.1%和18.7%，相比于目标偏向RRT算法分别降低了7.3%和15.5%，相比于改进RRT^*算法分别降低了29.6%和7%；智能小车的实车测试试验验证了该算法的有效性和实用性。

关键词：汽车工程,路径规划,同心圆RRT,智能车,运动学约束

基金资助：工信部2016智能制造综合标准化与新模式应用项目（工信部联装（2016）213号）；福建省客车及特种车辆研发协同创新中心基金项目（2016BJC011）