一种改进A*算法在智能车中的应用研究

杨 瑶，付克昌，蒋 涛，刘甲甲，向泽波，程永杰

（1.成都信息工程大学 控制工程学院，成都 610225；2.中国科学技术大学 软件学院，合肥 230000）

随着硬件设备的升级，将智能驾驶技术运用到普通汽车上的可能性逐渐增加。而在未来汽车的发展中，路径规划技术不仅将作为智能驾驶技术中的重要组成部分，也将是智能车发展中不可缺少的部分［1］。到目前为止，针对路径规划技术的研究，国内外众多学者做了大量贡献，其中主要包括：采用模板树的RRT算法［2］；将栅格邻域扩展到无限个的A*算法［3］；通过限制障碍物范围的改进APF［4］和使用信息素的蚁群算法［5］等。其中，A*算法由于能在无向图中寻找最优路径，因此被广泛用于解决其他规划问题［6］。但是，传统A*算法将移动载体看作质点处理，导致了所生成的路径不平滑［7］和路径点与障碍物距离过近的问题［8］。此外，因为本研究的智能车存在阿克曼转向约束，所以不能仅简单地当作质点考虑［9］。为了解决传统A*算法因为载体不同所带来的问题，通过建立智能车运动学模型，获得智能车的约束条件，将该约束与启发函数相融合，使得扩展节点更准确。具体过程为：首先通过加入方向代价解决车辆在起始时刻路径转折角度大于车辆最大转向角的问题，然后使用自适应障碍物惩罚代价，自动调节路径点与障碍物之间的距离。最后，将车辆约束条件与改进A*算法的转折点相结合，并使用自由边界三次样条插值算法拟合转折点获得更优路径。……