智能汽车采样区域优化的避障路径规划

扫码查看

原文链接

国家科技期刊平台
NETL
NSTL
万方数据

中文摘要：针对结构化道路下智能汽车避障路径规划问题,提出一种采样区域优化的避障路径规划方法.充分考虑道路环境和障碍车辆信息,建立障碍车辆膨胀椭圆层模型对道路环境进行风险划分;将避障过程分为换道避障、换道后直行、返回全局路径参考线3 个阶段,在每个阶段中,通过膨胀椭圆层模型选取低风险采样点生成候选路径;考虑路径舒适性和全局路径追踪能力,设计舒适性及偏移代价函数,结合膨胀椭圆层模型建立安全性代价函数,选取最优路径.为检验方法的有效性,通过构建直道和弯道场景,进行避障仿真和实车验证.研究结果表明,在不同场景下,所提出的方法能有效避免与静态、动态障碍车辆发生碰撞,高效规划出安全、平滑的行驶路径.

外文标题：Obstacle avoidance path planning for intelligent vehicle sampling area optimization

外文关键词：

intelligent vehiclepath planningsampling area optimizationexpansion ellipse layer modelcost function

作者：

周红妮、郭昊、杨正才

展开 >

作者单位：

湖北汽车工业学院汽车工程学院,湖北十堰 442002

汽车动力传动与电子控制湖北省重点实验室,湖北十堰 442002

关键词：

智能汽车路径规划采样区域优化膨胀椭圆层模型代价函数

基金：

湖北省教育厅科研项目优秀中青年项目汽车动力传动与电子控制湖北省重点实验室创新基金

项目编号：

Q201918052015XTZX0414

出版年：

2023

DOI：

10.3969/j.issn.1674-8425(z).2023.07.008

重庆理工大学学报

重庆理工大学

重庆理工大学学报

CSTPCD北大核心

影响因子：0.567

ISSN：1674-8425

年,卷(期)：2023.37(13)

参考文献量10