复杂环境下基于RRT的智能车辆运动规划算法  

RRT-based Motion Planning Algorithm for Intelligent Vehicle in Complex Environments

作　　者：杜明博 梅涛[2] 陈佳佳[2] 赵盼[2] 梁华为[2] 黄如林[1,2] 陶翔[2] 

机构地区：[1]中国科学技术大学自动化系,安徽合肥230027 [2]中国科学院合肥物质科学研究院应用技术研究所,安徽合肥230027

出　　处：《机器人》2015年第4期443-450,共8页Robot

基　　金：国家自然科学基金重大研究计划重点项目(91120307);国家自然科学基金重大研究计划集成项目(91320301);国家自然科学基金青年基金资助项目(61304100)

摘　　要：在存在大量无规则障碍物且障碍物分布不均匀的复杂环境下,现有规划算法不能很好地解决智能车辆的运动规划问题.为此,本文提出了一种简单实用的基于RRT(快速搜索随机树)的运动规划算法——连续曲率RRT算法.该算法在RRT框架中结合了环境约束以及车辆自身的约束.它首先引入了目标偏向采样策略以及合理的度量函数,大大地提高了规划速度和质量;接着提出了一种基于最大曲率约束的后处理方法以生成平滑的且曲率连续的可执行轨迹.通过仿真实验和实车测试,证实了该算法的正确性、有效性和实用性.The existing planning algorithms can not properly solve the motion planning problem of intelligent vehicle in complex environments with many irregular and random obstacles. To solve the problem, a simple and practical RRT-based algorithm, continuous-curvature RRT algorithm, is proposed. This algorithm combines the environmental constraints and the constraints of intelligent vehicle with RRTs. Firstly, a goal-biased sampling strategy and a reasonable metric function are introduced to greatly increase the planning speed and quality. And then, a post-processing method based on the max- imum curvature constraint is presented to generate a smooth, continuous-curvature and executable trajectory. Simulation experiments and real intelligent vehicle test verify the correctness, validity and practicability of this algorithm.

关 键 词：运动规划 智能车辆 快速搜索随机树 曲率约束 

分 类 号：TP242[自动化与计算机技术—检测技术与自动化装置]