【技术实现步骤摘要】
本专利技术属于自动驾驶，具体是涉及一种基于改进a*与dwa融合算法的无人车路径规划方法。
技术介绍
1、在电子商务与全球供应链快速发展的今天，无人车由于其安全便捷的特点广泛应用于物流运输行业。一方面,电商企业不断加大对无人物流的投入，通过无人车取代人工司机，可以降低运输成本；同时，无人车具备灵活自主规划能力，也有助于避免交通拥挤。
2、路径规划是无人车自主任务面对的核心问题，一个合格的路径规划算法需要满足无人车高效、安全的工作需求。所谓高效，是指路径规划算法能够在有限的时间内找到一条从起始点到目标点的最优路径。所谓安全，是指路径规划算法能够避免无人车与其他车辆、行人、障碍物发生碰撞。安全性是无人车自主驾驶的首要要求，路径规划算法必须能够充分考虑周围环境的变化，及时规划出避障路径。
3、根据对环境信息需求的多寡，可以分为基于整体环境信息的全局路径规划算法，基于传感器信息的局部路径规划算法。全局路径规划算法负责规划从起始点到目标点的最优路径，通常采用启发式算法或动态规划算法，如dijkstra算法，a*算法，rrt算法等。然而，这些算法动态避障能力不强，难以对环境中的随机障碍物快速反应。
4、局部路径规划算法负责在实时环境中规划避障路径，通常采用dwa(动态窗口算法)，人工势场算法等。由于缺少全局信息，这些算法面对稠密障碍物环境时，难以规划出最优路径，甚至陷入局部最优解。
技术实现思路
1、本专利技术要解决的技术问题是提供一种基于改进a*与dwa融合
2、为了解决上述技术问题，本专利技术提供一种基于改进a*与dwa融合算法的无人车路径规划方法，包括过程为：
3、步骤s1：初始化栅格地图，并设定目标点和起点；
4、步骤s2：采用改进a*算法规划并获得全局路径，将路径离散化，提取路径转折点以及距离障碍物最近的节点作为改进dwa算法的局部目标点；
5、步骤s3：采用改进dwa算法规划局部路径，将起点作为改进dwa算法的起始位置，依次选择a*先验路径上的局部目标点，生成新轨迹作为局部路径；
6、步骤s4：更新当前位置为新生成的轨迹末端点，判断当前位置是否为全局目标点，如果不是，重复步骤s3；如果是，结束算法并连接轨迹即为最终规划路径。
7、作为本专利技术的一种基于改进a*与dwa融合算法的无人车路径规划方法的改进：
8、所述改进a*算法具体包括：
9、(1)改进a*算法的启发函数；
10、(2)改进a*算法的子节点选取策略；
11、(3)对全局路径进行三次折线优化。
12、作为本专利技术的一种基于改进a*与dwa融合算法的无人车路径规划方法的进一步改进：
13、所述改进dwa算法具体包括：
14、(1)确定dwa动态速度窗口；
15、(2)预测dwa轨迹；
16、(3)改进dwa评价函数。
17、作为本专利技术的一种基于改进a*与dwa融合算法的无人车路径规划方法的进一步改进：
18、所述改进a*算法的启发函数为：
19、(1)在a*算法启发函数基础上增加距离自适应权重和障碍物密度系数：
20、
21、其中，g(n)为当前节点n到起始节点s的实际距离代价，h(n)为当前节点n到目标节点g的预测距离代价，d为目标节点与起始节点的直线距离，d为当前节点n与起始节点s的实际距离；p为障碍物稠密程度：
22、
23、其中，pi,j为坐标为(i,j)的障碍物栅格，(xs,ys)为起始节点在栅格地图中的坐标，(xg,yg)为目标节点在栅格地图中的坐标。
24、作为本专利技术的一种基于改进a*与dwa融合算法的无人车路径规划方法的进一步改进：
25、所述改进a*算法的子节点选取策略为：根据传统a*算法的8领域子节点拓展，根据父节点与障碍物位置关系进行子节点选取：障碍物栅格位于父节点的上下子节点与左右子节点时，舍弃障碍物栅格所在子节点以及与其相邻的父节点对角方向上的子节点；障碍物栅格位于父节点对角方向上的子节点时，不做处理。
26、作为本专利技术的一种基于改进a*与dwa融合算法的无人车路径规划方法的进一步改进：
27、所述三次折线优化具体步骤为：
28、(1)第一次折线优化
29、假设起点s、目标点g、节点{ni|i＝1,2,…,n}；
30、从起点s开始遍历，每次选取三个节点：首先选取s、n1和n2，判断s、n1和n2是否共线，如果是，删除中间节点n1，继续选择s、n2、n3判断s、n2、n3是否共线；如果不是保留中间节点n1，继续选择n1、n2、n3判断n1、n2、n3是否共线；以此类推直至所有的节点被遍历；第一次折线优化的路径只保留起点s、目标点g以及转折点n5、n6、n7，将其加入集合path1，此时路径为s→n5→n6→n7→g；
31、(2)第二次折线优化
32、对相邻的转折点连线离散化，分别计算每个离散点与起点、目标点的连线与障碍物栅格中心的距离d，判断d是否大于等于安全距离d，d为障碍物半径与无人车半径之和的1.1倍；如果是，则将节点加入待选集合path2_temp，依次遍历离散点，选择待选集合path2_temp中d值最小的节点加入集合path2，此时路径为s→n9→g；
33、(3)第三次折线优化
34、反序遍历path2，对相邻节点离散化，分别计算每个离散点与起点、目标点的连线与障碍物栅格中心的距离d，判断d是否大于等于安全距离d，如果是，则将节点加入待选集合path3_temp，依次遍历离散点，选择待选集合path3_temp中d值最小的节点加入集合path3，反序输出全局路径s→n10→g。
35、作为本专利技术的一种基于改进a*与dwa融合算法的无人车路径规划方法的进一步改进：
36、所述dwa动态速度窗口为：
37、v＝vs∩vd∩vo(3)
38、其中，
39、vs＝{(v,w)|v∈[vmin,vmax],w∈[wmin,wmax]}(4)
40、
41、
42、其中，vmax、wmax分别为无人车最高线速度、最高角速度；vmin、wmin分别为无人车最低线速度、最低角速度；vc、wc分别为无人车当前的线速度、角速度；为无人车最大减速度；为无人车最大加速度，δt为采样间隔，dist(v,w)表示轨迹末端到障碍物的最小距离。
43、作为本专利技术的一种基于改进a*与dwa融合算法的无人车路径规划方法的进一步改进：
44、所本文档来自技高网...
【技术保护点】
1.一种基于改进A*与DWA融合算法的无人车路径规划方法，其特征在于：
2.根据权利要求1所述的一种基于改进A*与DWA融合算法的无人车路径规划方法，其特征在于：
3.根据权利要求2所述的一种基于改进A*与DWA融合算法的无人车路径规划方法，其特征在于：
4.根据权利要求3所述的一种基于改进A*与DWA融合算法的无人车路径规划方法，其特征在于：
5.根据权利要求4所述的一种基于改进A*与DWA融合算法的无人车路径规划方法，其特征在于：
6.根据权利要求5所述的一种基于改进A*与DWA融合算法的无人车路径规划方法，其特征在于：
7.根据权利要求6所述的一种基于改进A*与DWA融合算法的无人车路径规划方法，其特征在于：
8.根据权利要求7所述的一种基于改进A*与DWA融合算法的无人车路径规划方法，其特征在于：
9.根据权利要求8所述的一种基于改进A*与DWA融合算法的无人车路径规划方法，其特征在于：
【技术特征摘要】
1.一种基于改进a*与dwa融合算法的无人车路径规划方法，其特征在于：
2.根据权利要求1所述的一种基于改进a*与dwa融合算法的无人车路径规划方法，其特征在于：
3.根据权利要求2所述的一种基于改进a*与dwa融合算法的无人车路径规划方法，其特征在于：
4.根据权利要求3所述的一种基于改进a*与dwa融合算法的无人车路径规划方法，其特征在于：
5.根据权利要求4所述的一种基于改进a*与dwa融合算法...
【专利技术属性】
技术研发人员：高金凤，谢德瀚，贾国强，李乐宝，
申请(专利权)人：浙江理工大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。