31、智能车辆局部规划与实验教学质量评估方法研究

智能车辆局部规划与实验教学质量评估方法研究

智能车辆局部规划

智能车辆是智能交通的重要组成部分，它不仅能提高车辆安全性、解决交通拥堵问题，还是提高能源效率的有效途径。而局部规划作为智能车辆的智能核心，负责在跟踪全局路径的同时进行避障。

现有的局部规划算法存在一些问题。例如，RRT 算法虽能综合考虑避障、跟踪全局路径和运动学约束，但对驾驶环境感知结果要求高，车载传感器难以满足，且实时性差；触手法实时性好，能完成低速驾驶任务，但曲线无法反映前轮角度变化，高速时难以跟踪全局路径；基于多项式理论的规划方法以固定参数生成曲线，难以保证路径合理性。

为解决这些问题，提出了基于路径生成和选择的优化算法。该算法的局部规划分为三个部分：
1. 路径生成 ：将智能车辆简化为阿克曼转向车辆模型，其运动方程为：
(\begin{cases}
\dot{x}=v\cos\theta \
\dot{y}=v\sin\theta \
\dot{\theta}=\frac{v}{L}\tan\delta
\end{cases})
其中，(L) 为车辆轴距，((x,y)) 为车辆位置，(\theta) 为航向角，(\delta) 为前轮角度。根据当前状态 (S_0=(x_0,y_0,\theta_0,\delta_0)) 和预览距离 (d)，可在全局路径上找到目标状态 (S_1=(x_1,y_1,\theta_1,\delta_1))，目标状态的前轮角度通过 (\delta = \arctan(L\kappa)) 求解，(\kappa) 为目标点的曲率。
用 (n(n>3)) 阶多项式描述行