浅析自动驾驶汽车路径规划算法.doc

PAGE 1

　　 浅析自动驾驶汽车路径规划算法

自动驾驶汽车的路径规划算法最早源于机器人的路径规划研究，但是就工况而言却比机器人的路径规划复杂得多，自动驾驶车辆需要考虑车速、道路的附着情况、车辆最小转弯半径、外界天气环境等因素。

　　本文将为大家介绍四种常用的路径规划算法，分别是搜索算法、随机采样、曲线插值和人工势场法。

　　1．搜索算法

　　搜索算法主要包括遍历式和启发式两种，其中Dijkstra算法属于传统的遍历式，A＊算法属于启发式，在A＊算法的基础上，还衍生出了D＊Lite算法、Weighted A＊算法等其他类型。Dijkstra算法最早由荷兰计算机学家狄克斯特拉于1959年提出，算法核心是计算从一个起始点到终点的最短路径，其算法特点是以起始点开始向周围层层扩展，直到扩展到终点为止，再从中找到最短路径，算法搜索方式如图（1－1）所示。A＊算法在Dijkstra算法上结合了最佳优先算法，在空间的每个节点定义了一个启发函数（估价函数），启发函数为当前节点到目标节点的估计值，从而减少搜索节点的数量从而提高效率。A＊算法中的启发函数

　　包括两部分，表示从初始点到任意节点n的代价，表示节点n到目标点的启发式评估代价，在对象从初始点开始向目标点移动时，不断计算的值，从而选择代价最小的节点。一般来说遍历式算法可以取得全局最优解，但是计算量大，实时性不好；启发式算法结合了遍历式算法以及最佳优先算法的优点，具有计算小、收敛快的特点。图（1－2）是最佳优先算法示意图，可以看出该算法有一定的选择性，但是面对图中的u型障碍物会出现计算效率低的情况。而A＊算法完美的结合了Dijkstra算法和最佳优先算法，不仅有一定的选择性，并且计算量相对也是最少的，更快得找到了最短路径。

　　2．随机采样