论文部分内容阅读
随着我国汽车保有量的持续快速增长,交通拥堵和交通事故等社会问题越来越严重。自动驾驶技术在减少交通事故、促进节能减排、建立智慧交通三个方面有巨大潜力,因此成为近年来的研究热点。路径规划技术是自动驾驶车辆现实应用的关键技术之一,也是自动驾驶车辆研究领域的一个重要课题。本文从全局和局部两个层面对自动驾驶车辆路径规划问题展开研究,提出了基于优化A*和模型预测控制(Model Predictive Control,MPC)的路径规划方法,使智能车拥有较强的路径搜索能力和避障能力。主要研究工作包括以下几个方面:(1)搭建了微型自动驾驶车辆作为验证算法可行性的实验平台,该平台包括感知系统和执行系统,其中感知系统主要由GNSS/INS组合导航系统、激光雷达、姿态传感器、超声波雷达组成。执行控制系统主要包括主控制器、驱动器、无刷直流电机和转向舵机。平台软件部分的开发环境为Linux,次级操作系统为ROS。(2)设计了基于优化A*算法的全局路径规划方法,在传统A*算法的基础上,扩展了搜索空间维度、改进了节点扩张方法、优化了估价函数结构,从而在满足车辆运动学约束的前提下提高了路径搜索效率。同时引入了基于Reeds-Shepp曲线的路径规划加速器和基于三次样条插值的路径平滑器,从而提高了算法的搜索效率,保障了所规划路径的可通行性。(3)提出了基于MPC的自动驾驶车辆局部避障路径规划方法,以离散化的车辆运动学模型作为预测方程,给出了满足车辆运动学的避障约束条件,设计了参考点选择方法,制定了新的目标函数。为了验证避障路径规划方法在整个工作时域的实现效果,设计了同样基于模型预测控制的路径跟踪控制器,最后在Simulink/Carsim软件环境中搭建了加入跟踪器的联合仿真平台,验证了避障路径规划方法的有效性。(4)开展了以东南大学校园道路为实验环境,以自主搭建的微型自动驾驶车辆为实验平台的整体性测试。为了直观准确地观测实验中车辆状态,设计了可视化界面,并自定义了数据格式协议。实验首先验证了微型自动驾驶车辆路径跟踪的能力,然后在此基础上增加了避障实验,实验结果显示微型自动驾驶车辆不仅避开了所有障碍物,且与参考路径的偏差始终维持较小水平。实验验证了本文搭建的微型自动驾驶车辆和设计的路径规划算法是有效的,能够在现实道路环境下,完成期望的自动驾驶任务,满足自动驾驶系统对安全性、可靠性的要求。