为解决城市结构化道路环境下的无人驾驶汽车运动规划问题,针对换道和转向两种工况设计了快速偏向性RRT(FB-RRT)算法。首先以几何分析所得的安全的曲线控制点初始化RRT,随后以驾驶行为为引导并结合决策给出的目标点设计偏向性采样策略,基于车辆运动学特性设计度量基准,设计快速邻近点搜索策略,并结合环境地图保证扩展节点的安全性。最后,对RRT进行修剪和重构。通过仿真和实车测试验证了该算法的有效性和实用性。 )分别为车辆坐标系下线段交点X1、X2以及终点X3的坐标。借助优化工具，以总路径长度L最短为优化目标即可得到3段线段的长度，本文由公司网站滚圆机网站采集转载中国知网资源整理!www.gunyuanji.name通过计算即可得7个控制点的坐标。3.2.3转向工况为使曲线更接近于转向工况时的圆弧曲线，设定控制线段长度及控制线段间的夹角都相同，如图5所示。图5转向参数示意假设从初始点位姿变换到目标点位姿共需n条长为l的控制线段，相邻控制线段间夹角均为α。根据边界条件可得约束方程：ìíθi+(n)-1()π-α=θgxi+∑i=0n-1(l·cos(θ))i+i()π-α=xgyi+∑i=0n-1(l·sin(θ))i+i()π-α=yg（7）式中，(xg,yg,θg)为终点状态；(xi,yi,θi)为各控制点的状态。根据式（7）即求解得到3个未知量n、l、α，控制点的坐标即可求出无人车运动规划算法-电动数控滚圆机滚弧机张家港钢管滚圆机滚弧机。3.3采样策略随机采样直接关系到树的扩展质量和搜索效率，本节结合决策给出的驾驶行为设计偏向性采样策略，引导RRT的扩展。3.3.1目标偏向性采样采样过程中概率分布函数最为重要。本文采用常见的高斯分布，便于根据已知条件进行偏向性采样。高斯分布遵循的采样策略为：ìísx=x0+r·cosθsy=y0+r·sinθ（8）式中，(x0,y0)、(sx,s以及控制器见表4。表4试验平台相关配置本文所有程序都在工控机中完成，不同模块间借助轻量级通信与数据封送库（LightweightCommunicationsandMarshalling，LCM）进行通信。环境感知模块根据传感器探测到的信号，实时建立一个车辆坐标系下350格×350格的栅格环境地图，栅格边长为20cm。得到的环境地图被封装在LCM通讯包中传递给运动规划模块。运动规划模块通过GPS获得车辆位置进行规划，并将规划结果也封装在LCM通讯包中传递给轨迹跟踪模块。基于4.1节的仿真环境，构造了图16所示的实车试验环境，避障工况下在道路两侧分别设置路障以构造多障碍环境，转向工况为车辆从双车道路口左转弯进入匝道。图17所示为试验结果，图17a所示的避障工况中右侧切换点为换道起点，可见路径是安全的，并且期望路径与实际路径几乎完全重合，效果较理想，图17b中车辆跟踪期望路径效果不如避障工况，这是因为本文是基于阿克曼转向模型进行规划，所考虑的动力学特性是最简单的稳态特性，但实际上车辆的动力学特性非常复杂，因此在大曲率情况下跟踪期望路径存在偏移，但车辆依然能满足功能需求，安全转向。（a）多障碍物避障（b）转向工况图16试验场景（a）避障工况（b）转向工况图17实车跟踪效果5结束语运动规划在无人驾驶研究问题中衔接着感知和控制，是使无人驾驶成为完整系统的关键技术。本文提出的FB-RRT规划算法不仅利用了城市环境下结构化道路的特点来加速算法，同时保留了RRT算法处理复杂环境的能力，也满足了无人驾驶汽车的曲率连续有界约束。仿真和实车试验同时表明，该算法能有效解决无人驾驶汽车在城市化道路下的复杂运动规划问题。无人车运动规划算法-电动数控滚圆机滚弧机张家港钢管滚圆机滚弧机本文由公司网站滚圆机网站采集转载中国知网资源整理!www.gunyuanji.name