文献综述
- 研究背景
随着自动驾驶技术的发展，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。同样，避障路径规划是自动驾驶车辆的关键部分，对自动驾驶汽车有着重大意义。[[1]]为了使车辆能够实时安全地避开障碍物，且具有较高的乘坐舒适性，许多学者提出了多种避障算法。目前主要采用的避障算法包括：人工势场法、快速扩展随机树算法（RRT）以及智能优化算法（如模糊逻辑算法、遗传算法等）。人工势场法规划出的路径比较平滑、算法简明，实时性良好。快速扩展随机树法路径搜索速度很快。智能优化算法减少了陷入局部最优解的风险，算法本身往往易实现并行化。[[2]]而人工势场法往往陷入局部最优解，RRT算法具有随机性，使得规划出的路径曲率变化较大，导致路径不平滑，不符合车辆运动学。
本课题拟将人工势场法与智能算法相结合实现自动驾驶汽车避障路径规划，综合考虑各算法的优缺点，以期获得更精确、安全和快速的避障路径。
- 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，国内外学者和科研人员做了大量的深入研究，也取得相当多的研究成果，就目前研究得出，对汽车主动避障路径规划算法的设计，主要工作在于对障碍物的远离，路径选择等。
2.1 国外研究现状
从80年代开始美国国防高级研究计划局（DARPA）专门立项，制定了地面无人机作战平台的战略计划。目标是研发出一台智能车辆，可以在崎岖的地形上沿规划的路线自主导航及躲避障碍，并能在必要时重新规划其路线，自此拉开了全面研究智能车辆的序幕，如DAPRA的“战略计算机”，计划中的自主地面车辆计划（1983-1990），能源部制订的为期10年的机器人和智能系统计划（RIPS）（1986-1995），以及后来的空间机器人计划等等，大都是起源于军事的要求。
人工势场法（APF）首先被Khatib提出。APF可以快速地计算出一条高质量的路径并响应动态环境。然而，该算法被广泛证明存在不可避免的缺点，该算法容易将机器人引入局部最小值和在障碍物前震荡。2003年，Min Cheol Lee， Min Gyu Park提出了一个新的概念，利用虚拟障碍物来避开局部路径规划中出现的局部极小值。虚拟障碍物位于局部极小值周围，以将移动机器人从局部极小值中驱逐出去。并且提出了一种基于传感器的离散建模方法，用于具有距离传感器的移动机器人的建模。这种建模方法适用于实时路径规划，因为它提供了较低的复杂性。[[3]]
2012年，Keonyup Chu团队为具有静态避障功能的越野自主驾驶提供了最优路径。提出的规划算法基于一组预先定义的航路点来计算路径。预定义的路径点提供了曲线坐标系的基本框架，以生成自主车辆路径规划的候选路径。将每个候选对象转换为笛卡尔坐标系，并使用障碍物数据进行评估。为了选择最优路径，通过考虑路径安全成本、路径平滑度和路径一致性来确定每条路径的优先级，此算法已经被应用在自主汽车上实验。[[4]]
2.2 国内研究现状
相比国外的迅猛发展，国内的研究脚步也从未停下。
2012年，肖浩团队针对平直道路上碰撞交通事故的多发性和复杂性，提出一种基于危险斥力场的汽车主动避撞局部路径规划算法，它能在尽量不影响当前交通状况的情况下根据汽车前方的道路交通环境信息自动地规划出一条能够绕过前方障碍物的实时避障路径。[[5]]
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。
