文献类型：期刊文章

作　　者：栾添添[1,2,3] 王皓[1] 孙明晓[1,2,3] 吕重阳[4]

LUAN Tian-tian;WANG Hao;SUN Ming-xiao;LV Chong-yang(College of Automation,Harbin University of Science and Technology,Harbin 150080,China;Heilongjiang Provincial Key Laboratory of Complex Intelligent System and Integration,Harbin University of Science and Technology,Harbin 150080,China;Key Laboratory of Advanced Manufacturing Intelligent of Technology Ministry of Education,Harbin University of Science and Technology,Harbin 150080,China;College of Science,Harbin University of Science and Technology,Harbin 150080,China)

机构地区：[1]哈尔滨理工大学自动化学院,哈尔滨150080 [2]哈尔滨理工大学黑龙江省复杂智能系统与集成重点实验室,哈尔滨150080 [3]哈尔滨理工大学先进制造智能化技术教育部重点实验室,哈尔滨150080 [4]哈尔滨理工大学理学院,哈尔滨150080

出　　处：《控制与决策》

基　　金：国家自然科学基金青年基金项目(51909049,62103120);黑龙江省自然科学基金项目(LH2020E094,LH2021F033);黑龙江省普通本科高等学校青年创新人才培养计划项目(UNPYSCT-2020190);黑龙江省普通高校基本科研业务费专项资金项目(LGYC2018JC011).

年　　份：2023

卷　　号：38

期　　号：6

起止页码：1721-1729

语　　种：中文

收录情况：AJ、BDHX、BDHX2020、CSCD、CSCD2023_2024、EAPJ、EI、IC、JST、RCCSE、SCOPUS、ZGKJHX、ZMATH、核心刊

摘　　要：针对无人车传统RRT路径规划算法节点搜索盲目性、随机性以及路径曲折不连续等问题,提出一种动态变采样区域RRT路径规划算法(dynamic variable sampling area RRT,DVSA-RRT).首先,初始化地图信息,根据动态变采样区域公式划分采样空间,进而选择采样区域;在此基础上,利用基于安全距离的碰撞检测、概率目标偏置策略和多级步长扩展完成初始路径规划;最后,利用考虑最大转角约束的逆向寻优和3次B样条曲线对初始路径进行拟合优化.仿真结果表明,该算法相较于原始RRT算法在不同地图环境下的搜索时间和采样次数均降低50%以上,大大降低了节点搜索的盲目性和随机性,相较于其他算法搜索时间也减少30%以上,且优化后的路径平滑满足车辆运动动力学约束.

关 键 词：动态变采样区域  RRT 无人车  路径规划 路径优化  

分 类 号：TP273]