基于改进RRT＊算法的自动驾驶车辆路径规划研究

宋若旸，阙海霞，马宗钰，兰海潮

（长安大学 汽车学院，陕西 西安 710064）

前言

在科学技术不断发展的今天，传统汽车在不断地走向智能化，并且逐步具备复杂环境感知、智能决策、协同控制和执行的功能，而最终的目标就是实现自动驾驶[1]。国际自动机工程师学会（SAE）将自动驾驶的过程依据人工参与驾驶的情况分为五级来逐步完成[2]。自动驾驶汽车在感知外部环境后，进行路径规划与自身决策控制。

路径规划是在有障碍物的环境中生成无碰撞路径，并根据一定的准则对其进行优化[3]，是智能驾驶汽车完成自动驾驶行为的必要保证[4]。常见的路径规划算法大致可以分为以A*算法为代表的基于搜索的规划算法、以 RRT为代表的基于采样的规划算法和以遗传算法为代表的基于启发式的规划算法。遗传算法（Genetic Algorithms简称GA）由John Holland与20世纪60年代末创建，它源于达尔文的进化论和孟德尔、摩根的遗传学理论，通过模拟生物进化的机制来构造人工系统，常用于解决传统算法不能快速求解的复杂问题[5]A*算法利用将出发点到此处的状态函数和由此处到目标点的预期函数组成估值评价函数来进行搜索，该算法保证了最优路径的生成[6]。文献[7]描述了在 A*算法上改进的 Hybrid A*算法，它在包括车辆行驶方向 θ的分散的四维环境中描述车辆状态，生成可行的平滑轨迹。快速搜索随机树算法（RRT）由Lavalle于1998年提出，通过采样生成拓展树的路径规划算法。该方法搜索速度较快且便于进行约束，但是该方法生成的不是最优路径[8]。……