青年托举人才张旭东及团队成果:融合TangentBug与Dubins曲线的智能轮式车辆局部路径规划算法jrf

  • A+
所属分类: 历史人物

《汽车工程》编辑部将在2021年第6期发表的论文中向读者推荐4篇论文,以期引发行业对该论文的关注和相关技术的交流与讨论

研究背景

在某些非结构化或越野环境下,智能车辆往往缺乏全局地图的先验信息,仅能获取其周围的局部环境信息及车辆定位,对于此类问题,论文提出了一种融合TangentBug和Dubins曲线的局部路径规划算法,并进行了实车验证

研究方法

1.基于测距传感器的数据,并考虑车辆的几何外形。通过采样法,构建规划参考点集合。

图1 车辆坐标系与障碍物信息

图2 障碍物边界点的旋转采样

2.为满足车辆最小转向半径的运动约束和目标点处的航向要求,文章生成Dubins曲线作为规划路径,并通过碰撞检测保证规划路径的安全性。

图3 生成Dubins曲线

图4 沿规划路径进行碰撞检测

3.论文基于TangentBug算法框架提出了面向未知环境的局部路径规划算法,并考虑了实际环境中的定位误差。论文提出的算法框架如表1所示,其中车辆的运动状态被分为朝目标移动状态和环绕障碍物怎么打新股状态,不同状态下的算法分别如表2和表3所示。

4.通过实车实验,验证了论文提出算法的可行性。

图5 实验车辆及关键零部件

研究结果

1.论文算法可规划出安全的局部参考路径,使车辆按规定位姿到达目标点,并可保证算法的实时性。

图6 场景1地图和车辆轨迹

图7 场景2地图和车辆轨迹

2.论文提出的状态转换规则可有效避免定位误差的影响,提高了算法对定位误差的鲁棒性。

图8 定位系统误差对论文算法的影响

3.相对于使用圆弧曲线,论文通过融合 Dubins 曲线使规划出的路径更有利于路径跟随控制。

图9 参考路径平均曲率对比

创新点和意义

论文提出融合TangentBug Dubins曲线的智能轮式车辆局部路径规划算法,在真实环境下可有效完成稳定的实时路径规划,且更有利于路径跟随控制。该算法对采用Ackermann转向的智能轮式车辆的路径规划问题,具有重要的工程应用价值

关注公众号,免费获取2021年第6期全文

关于《汽车工程》

1. 行业声誉:汽车工程领域高质量科技期刊分级目录T1级别期刊

2. 检索收录:Ei&核心

3. 首轮评审:<30工作日

4. 在线投稿:

www.qichegongcheng.com

联系方式

联系人:杨老师

邮箱: sae860@sae-china.org

长安大学解少博教授团队研究成果:考虑电池电-热-放电深度的并联PHEV能量管理策略研究 江苏大学陈龙教授团队研究成果:基于语义分割网络的路面积水与湿滑区域检测 合肥工业大学张炳力教授团队研究成果:基于毫米波雷达和机器视觉融合的车辆检测 前沿研究综述:自动驾驶汽车测试场景构建关键技术综述 清华大学钟志华院士团队研究综述:软件定义汽车技术体系的研究

期待您的关注

发表评论