智能車輛是汽車科技發(fā)展的產(chǎn)物,它將在降低交通事故發(fā)生率、減少交通擁堵、改善大氣環(huán)境、降低能源消耗等方面做出重要貢獻。無人駕駛是智能車輛發(fā)展的高級階段,局部路徑規(guī)劃作為無人駕駛技術(shù)最核心的技術(shù)之一是研究無人駕駛不可或缺的環(huán)節(jié)。車輛在行駛中會面臨復雜多變的交通環(huán)境,為了讓局部路徑規(guī)劃技術(shù)的研究更貼近實際情況,本文針對復合工況下的局部路徑規(guī)劃進行研究,主要研究內(nèi)容分為兩部分,分別是橫向的軌跡規(guī)劃和縱向的速度規(guī)劃。具體研究內(nèi)容如下:(1)智能車輛的軌跡規(guī)劃方法研究。智能車輛的軌跡規(guī)劃就是要規(guī)劃出一條連接車輛當前位置到局部目標點的軌跡,而這條軌跡又要符合來自道路、障礙物和車輛自身的約束。1)為了得到滿足道路和障礙約束的路徑,本文通過對比分析Astar算法和RRT算法兩種主流的路徑搜索算法,在Astar算法基礎(chǔ)上借鑒了RRT算法避障檢測和利用貪心算法縮短路徑的優(yōu)點,提出了改進的Astar算法用以路徑搜索,利用三次B樣條曲線對路徑進行平滑處理;2)為了得到滿足車輛自身約束的軌跡,基于車輛運動學和動力學設(shè)計了軌跡簇,并利用評價函數(shù)選擇最優(yōu)軌跡;3)為了得到局部路徑規(guī)劃的局部目標點,本文介紹了已知全局路徑和決策命令的情況下在結(jié)構(gòu)化道路和非結(jié)構(gòu)化道路環(huán)境中選擇局部目標點的方法。(2)智能車輛的速度規(guī)劃方法研究。軌跡規(guī)劃給出的是一條軌跡曲線,速度規(guī)劃給出的是這條軌跡曲線上的速度狀態(tài)信息。1)本文基于對移動障礙物未來軌跡預測建立已知軌跡縱向位移與時間的二維關(guān)系圖,在此二維圖中利用改進的Astar算法進行速度規(guī)劃;2)利用五次曲線基于梯度下降法對速度規(guī)劃方案進行平滑處理;3)基于平滑得到的五次多項式利用評價函數(shù)對速度規(guī)劃方案評價擇優(yōu)。(3)復合工況下局部路徑規(guī)劃方法的研究。在軌跡規(guī)劃和速度規(guī)劃的基礎(chǔ)上制定了復合工況下局部路徑規(guī)劃的總體解決方案。針對軌跡規(guī)劃、速度規(guī)劃和復合工況設(shè)計了仿真場景,利用Carsim與MATLAB/Simulink聯(lián)合仿真平臺分析驗證了本文提出的局部路徑規(guī)劃方法的合理性和有效性。
【學位單位】：重慶理工大學
【學位級別】：碩士
【學位年份】：2018
【中圖分類】：U463.6
【文章目錄】：
摘要
ABSTRACT
1 緒論
    1.1 研究背景與意義
    1.2 研究現(xiàn)狀
    1.3 研究內(nèi)容
        1.3.1 智能汽車概述
        1.3.2 無人駕駛系統(tǒng)構(gòu)成
        1.3.3 局部路徑規(guī)劃簡介
    1.4 本文的主要研究內(nèi)容
    1.5 結(jié)構(gòu)安排
2 智能車輛的軌跡規(guī)劃方法研究
    2.1 智能車輛的路徑搜索算法研究
        2.1.1 Astar算法概述
        2.1.2 Astar算法原理
        2.1.3 基于RRT的路徑搜索算法
        2.1.4 Astar算法與RRT算法的對比與分析
        2.1.5 基于RRT算法優(yōu)點改進Astar算法的原理
    2.2 基于B樣條曲線的路徑平滑方法研究
        2.2.1 B樣條曲線概述
        2.2.2 三次B樣條曲線的研究
        2.2.3 三次B樣條曲線在路徑平滑中的應(yīng)用
    2.3 基于車輛運動學和動力學的軌跡規(guī)劃方法研究
        2.3.1 車輛運動學分析
        2.3.2 車輛動力學分析
        2.3.3 軌跡簇的設(shè)計與最優(yōu)軌跡的選擇
    2.4 局部路徑目標點的選取
    2.5 本章小結(jié)
3 智能車輛的速度規(guī)劃方法研究
    3.1 基于改進ASTAR算法的速度規(guī)劃方法
        3.1.1 障礙物預測
        3.1.2 創(chuàng)建ST圖
        3.1.3 ST圖柵格化
        3.1.4 創(chuàng)建目標時刻點
        3.1.5 搜索產(chǎn)生路徑
    3.2 基于梯度下降法的速度平滑方法
        3.2.1 多項式同歸簡介
        3.2.2 回歸擬合原理
        3.2.3 梯度下降法概述
        3.2.4 梯度下降法在速度規(guī)劃中的應(yīng)用
    3.3 最優(yōu)速度規(guī)劃方案的選擇
    3.4 本章小結(jié)
4 復合工況下的局部路徑規(guī)劃方法研究與驗證
    4.1 虛擬仿真平臺的搭建
        4.1.1 仿真軟件簡介
        4.1.2 聯(lián)合仿真平臺
        4.1.3 仿真軟件參數(shù)設(shè)置
    4.2 復合工況總體技術(shù)方案設(shè)計
        4.2.1 復合工況的定義
        4.2.2 場景的定義
        4.2.3 局部路徑規(guī)劃方法在復合工況的解決方案
    4.3 軌跡規(guī)劃方法仿真實驗
    4.4 速度規(guī)劃方法仿真實驗
    4.5 復合工況下局部路徑規(guī)劃方法仿真實驗
    4.6 本章小結(jié)
5 全文總結(jié)與展望
    5.1 未來研究工作展望
    5.2 全文總結(jié)
致謝
參考文獻
個人簡歷、在學期間發(fā)表的學術(shù)論文及取得的研究成果

【參考文獻】

相關(guān)期刊論文 前10條

1 安林芳;陳濤;成艾國;方威;;基于人工勢場算法的智能車輛路徑規(guī)劃仿真[J];汽車工程;2017年12期

2 張琳;章新杰;郭孔輝;王超;劉洋;劉濤;;未知環(huán)境下智能汽車軌跡規(guī)劃滾動窗口優(yōu)化[J];吉林大學學報(工學版);2018年03期

3 宋曉琳;周南;黃正瑜;曹昊天;;改進RRT在汽車避障局部路徑規(guī)劃中的應(yīng)用[J];湖南大學學報(自然科學版);2017年04期

4 宋曉琳;潘魯彬;曹昊天;;基于改進智能水滴算法的汽車避障局部路徑規(guī)劃[J];汽車工程;2016年02期

5 杜明博;梅濤;陳佳佳;趙盼;梁華為;黃如林;陶翔;;復雜環(huán)境下基于RRT的智能車輛運動規(guī)劃算法[J];機器人;2015年04期

6 曹昊天;宋曉琳;黃江;;基于彈性繩理論的自主車輛防碰撞的路徑規(guī)劃[J];汽車工程;2014年10期

7 孫浩;鄧偉文;張素民;吳夢勛;;考慮全局最優(yōu)性的汽車微觀動態(tài)軌跡規(guī)劃[J];吉林大學學報(工學版);2014年04期

8 姜巖;龔建偉;熊光明;陳慧巖;;基于運動微分約束的無人車輛縱橫向協(xié)同規(guī)劃算法的研究[J];自動化學報;2013年12期

9 修彩靖;陳慧;;基于改進人工勢場法的無人駕駛車輛局部路徑規(guī)劃的研究[J];汽車工程;2013年09期

10 徐娜;陳雄;孔慶生;韓建達;;非完整約束下的機器人運動規(guī)劃算法[J];機器人;2011年06期

相關(guān)博士學位論文 前4條

1 杜明博;基于人類駕駛行為的無人駕駛車輛行為決策與運動規(guī)劃方法研究[D];中國科學技術(shù)大學;2016年

2 汪明磊;智能車輛自主導航中避障路徑規(guī)劃與跟蹤控制研究[D];合肥工業(yè)大學;2013年

3 宋金澤;自主泊車系統(tǒng)關(guān)鍵技術(shù)研究[D];國防科學技術(shù)大學;2009年

4 孫振平;自主駕駛汽車智能控制系統(tǒng)[D];國防科學技術(shù)大學;2004年

相關(guān)碩士學位論文 前1條

1 馮來春;基于引導域的參數(shù)化RRT無人駕駛車輛運動規(guī)劃算法研究[D];中國科學技術(shù)大學;2017年

本文編號：2880005