基于多影响因素RDMA*算法的无人驾驶动态路径规划*

许伦辉 曹宇超 林培群

（华南理工大学土木与交通学院 广州510640）

0 引 言

随着人工智能影响范围的不断扩大，智能交通中的无人驾驶技术也在不断的发展和成熟。各大企业如谷歌、百度、华为等也在无人驾驶领域布局。其中无人驾驶路径规划是无人驾驶技术中的一个重要部分，它直接影响着无人驾驶汽车行驶的效率及安全性。路径规划模块是无人驾驶车辆与道路的连接关键，也是环境感知与运动规划的桥梁。路径规划的根本目的是为车辆找到一条根据目标设定结果最优且能安全到达的路径。

当前，很多研究学者提出不同的路径规划算法，分别是以A*算法为代表的基于图搜索的路径规划算法和以快速扩展树为代表的基于采样的路径规划算法[1]。卞永明等[2]在基础A*算法估价函数的基础上，引入惩罚函数和奖励因，解决了传统A*算法拐点多的问题，提升了AGV 的全局运输效率；毛晨悦等[3]在无人机领域通过在势场函数中加入了动态调节因子，提出了改进人工势场法的避障路径规划方法；Chen 等[4]针对已知环境下移动机器人的路径规划问题，提出了一种基于网格图的混合人工势场和蚁群优化路径规划方法；何佳等[5]综合考虑RRT 算法节点选择、步长选择、扩展方向等，结合路径规划问题，提出了改进的RRT路径规划算法；刘生伟等[6]针对在较大栅格地图上进行路径规划时，传统A*算法搜索路径效率低，引入切比雪夫距离作为当前节点的父节点启发函数之和的系数，通过关键点选取方法提出了改进的A*路径规划算法；……