文献综述
1．研究背景
近年来，随着人工智能技术的兴起，无人驾驶汽车大大提高了交通系统的效率和安全性[1],以自动驾驶车辆为研究对象的运动路径规划问题越来越受到重视。而避障路径规划是自动驾驶车辆的关键部分，对自动驾驶车辆的研究具有重大意义。在自动驾驶汽车行驶过程中，准确地避开障碍物是智能车辆的基本要求。一个好的避障路径规划算法可以安全实时地避开障碍物，且具有较高的乘坐舒适性，从而提高出行效率。利用多种算法联合求解而进行避障规划，是未来自动驾驶车辆领域的研究重点与难点[2]。
文章总结了目前文献中经常出现的各种适用于自动驾驶车辆路径规划的算法，分别从算法路径寻优能力、算法实时性及算法复杂度等方面分析比较了它们在理论上的优势和缺点，针对所存在的问题做分析研究，提出可行性改善方法。
- 国内外研究情况
围绕无人驾驶汽车避障路径规划算法的可靠性，国内外学者和研究人员做了大量的深入研究，取得相当多的研究成果，对汽车主动避障路径规划算法的研究，主要着手于障碍物的远离，路径选择的平滑性等。
2.1 国外研究现状
国外研究学者Norlida Buniyamin，提出一种局部路径规划算法amp;BUG算法族。当移动机器人在环境信息有限的情况下向目标移动时，Bug算法使用传感器来检测最近的障碍物。该算法在机器人绕过障碍物时，以障碍物边界为导向，直到找到满足算法准则的条件，离开障碍物朝向目标点。此外，还提出了一种利用PointBug算法的方法。该算法通过寻找障碍区外周上的几个重要点作为目标的转折点，尽量减少障碍物外周(障碍边界)的使用，最终生成一条从源到目标的完整路径。障碍区外周的使用越少，移动机器人所走的总路径长度就越短[3]。
2012年Minchae Lee提出了一种实时路径规划算法，为静态避障越野自动驾驶提供了一条最优路径。提出的规划算法基于一组预定义的路点来计算路径。预定义的路点提供了曲线坐标系的基础框架，以生成用于自主车辆路径规划的路径候选。每个候选者都被转换成笛卡尔坐标系，并使用障碍物数据进行评估。为了选择最优路径，通过考虑路径安全代价、路径平滑度和路径一致性来确定每条路径的优先级[4]。提出的路径规划算法被应用于自动驾驶汽车A1，该汽车赢得了韩国现代起亚汽车集团(Hyundai-Kia Automotive Group)组织的2010年自动驾驶汽车大赛。
基于人工势场(APF)的路径规划方法存在局部极小问题，容易使移动机器人在到达目标前陷入陷阱。针对局部路径规划中出现的局部极小问题，Min Cheol Lee提出了一种利用虚拟水流的新方法，将虚拟水流与基于势场的方法相结合来引导移动机器人在未知或非结构化的环境中行走。势场法与虚拟水流相结合，可以实现移动机器人的实时导航。仿真和实验表明，该算法具有良好的性能，能够克服局部极小值带来的问题[5]。
2.2 国内研究现状
二十一世纪初，张玉堂等人分析了虚拟力场法采用全局栅格表示环境信息具有累积误差大、信息存储量大的缺点，设计了动态栅格法表示环境信息，使用跟随机器人移动的扇形栅格表示环境信息，使用栅格中心坐标投影的方法存储多次超声测量数据信息，与势场法 结合对机器人进行导航控制[6]。经仿真和实验验证，改进后的虚拟力场法取得了良好的应用效果。
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
