摘要：在泊车空间狭窄的条件下,现有的基于混合A^(*)算法的泊车路径规划存在成功率低或规划速度慢等问题,为了解决这一问题,设计了一种改进混合A^(*)路径规划算法。通过将圆弧样条曲线作为参考路径,并以参考路径上的点作为混合A^(*)算法的目标点,进而搜索出成功泊入车库的路径。根据不同车位宽度进行了基于MATLAB的批量仿真测试,结果表明:改进后的混合A^(*)算法能够显著提高车辆在特定区域泊入车库的成功率,同时具有一定的规划效率。最后基于Prescan、Carsim和Simulink进行了联合仿真实验,验证了所设计算法规划的路径满足实车实验的跟踪要求。

摘要：针对混合A*算法在短距离泊车场景下由于终点附近环境复杂,难以用无碰撞的RS曲线加速搜索的情况,提出一种改进混合A*算法,从目标位姿开始反向搜索路径,结合通过A*算法计算得到的代价地图查表获得启发值,通过判断车身轮廓线与简化后的障碍物线是否相交进行碰撞检测以节省搜索时间,并通过设置合适的车辆转向角度分辨率增加节点扩展方向的数量,保证路径的平滑性。最后使用MATLAB对改进算法与原始算法进行仿真对比分析,结果表明,在平行和垂直车位泊车场景下,该改进混合A*算法均可有效缩短路径搜索时间,获得的路径更短、更平滑。

摘要：针对受限泊车通道下自动泊车规划时间长、成功率低等问题,提出了一种改进混合A^(*)算法的路径规划方法。首先,将泊车路径分为前进的位姿调整段与后退的倒车入库段两部分,通过建立直线-圆弧的约束优化模型规划位姿调整段,寻找合适的倒车起始点;其次,通过在混合A^(*)算法中额外引入碰撞风险代价,改进节点扩展方式,并通过判断车辆轮廓线是否与障碍物线相交来进行碰撞检测,以提高倒车入库段规划的实时性和安全性;最后,以路径长度、平滑度、偏离度为指标设计目标函数,并考虑汽车的运动学约束,使用二次规划对初始路径进行平滑,得到最终路径。使用MATLAB对改进算法与原始算法进行仿真分析,结果表明:在受限泊车通道下,改进算法能得到平滑的无碰撞泊车路径,搜索时间比混合A^(*)算法减少了23.8%,且所得路径更安全,更易进行跟踪控制。

摘要：为解决混合A^(*)算法在自动泊车中搜索时间慢的问题,提出了融合双向搜索算法和混合A^(*)算法的优化方案。首先利用栅格法优化双向搜索算法,解决了在搜索时正向搜索和反向搜索的子节点不重合的问题;然后针对搜索时间慢的问题,优化混合A^(*)算法的节点搜索过程,融合了双向搜索算法,最后设计仿真垂直入库和侧方位停车两种场景,验证了融合算法能够缩短搜索时间。

摘要：在多障碍物非结构化场景中,传统混合A*算法存在计算效率低、路径平滑性差的问题。针对该问题,本文提出了一种基于密度聚类算法(density-based clustering,简称DBSCAN)与二分法的混合A*路径规划方法。首先,设计基于DBSCAN算法的障碍物聚类方法,简化多障碍物非结构化场景,避免混合A*算法在类U形障碍物群附近的无效节点拓展,有效提高算法效率。然后,提出基于二分法的状态节点拓展策略,能够在不显著增加混合A*算法计算复杂度的前提下,搜索出一条更平滑的路径。最后,基于MATLAB进行仿真。结果表明,在多障碍物非结构化场景中,本文提出的改进混合A*算法可以显著提升计算效率并改善路径平滑性。

摘要：无人驾驶矿卡路径规划的核心在于作业平台协作场景的轨迹规划技术,矿山工作场景时变、多样、复杂,往往很难规划出一条有效的路径达到挖机铲装点进行装料作业,从而导致铲装作业失败。单一的路径规划技术无法满足所有场景的铲装需求,因此,基于矿山场景实际需求,提出了基于混合A*算法的轨迹规划关键点选取和面向矿车挖机精准定向需求的DWA局部规划组成的双层轨迹规划框架。基于混合A*算法单次规划,实现了矿车在自感知全局地图内的轨迹寻优和矿车轨迹规划关键点提取;基于DWA垂直距离代价以及期望朝向代价的构建,提升了DWA算法矿车挖机精准定向能力;基于自感知全局地图以及双层轨迹规划框架的设计,整体提升了无人驾驶矿车的动态场景适应能力,提升了铲装的作业效率。

摘要：针对目前泊车路径规划算法对起始位姿要求严格,且难以兼顾最终位姿精度、路径质量及计算效率等问题,提出了一种任意起始位姿的连续曲率路径在线规划方法。该方法将整个泊车路径规划分为库位内调整与入库过程两部分。库位内调整采用以最终位姿高精度与调整次数最少为目标函数的最优化方法进行逐段规划;入库过程采用连续曲率曲线组用于混合A*算法的状态节点扩展以直接生成无需后处理的可执行路径。设计考虑路径的曲率变化与方向改变次数的估价函数;采用由路径几何形状特征点构建特征多边形的碰撞检测方法以提高计算效率。离线仿真与实车试验结果验证了该方法的有效性。

摘要：针对传统混合A^(*)算法搜索效率较低且搜索路径平滑性较差的问题,文章提出一种基于等步长分层拓展的混合A^(*)路径规划方法,可应用于非结构化道路场景,为智能车辆规划一条安全、平滑且满足车辆运动学约束的可行驶路径。其首先通过改进的子节点拓展方式和合理设计的启发式函数与代价函数,保证算法快速搜索得到一条较平滑的车辆可行驶路径;然后采用数值优化方法对搜索得到的路径进一步地优化平滑;最后针对路径点稀疏和不均匀的问题,采用三次样条曲线对路径点进行插值处理。仿真对比试验与实车试验结果表明,所提方法能显著提高路径搜索效率,与传统算法相比,平均搜索时间减少了51.6%,且搜索得到的路径具有足够的安全性和较好的平滑性。