无人驾驶汽车规划A*算法研究开题报告

 2020-02-10 10:02

1. 研究目的与意义(文献综述)

无人驾驶汽车是一种智能汽车,也称之为轮式移动机器人(,是在没有人类参与的情况下,依靠车内的计算机系统,通过智能驾驶系统来实现无人驾驶的功能2。它是一个集环境信息感知、智能规划决策辅助及自主驾驶等多种功能于一体的综合车辆系统,路径规划是无人驾驶汽车导航的基本环节之一。它是按照某一性能指标搜索一条从起始点到目标点的最优或近似最优的无碰路径。对于路径规划来说,往往与无人驾驶汽车所处的空间位置和传感器所感知的周围环境信息密切相关。根据无人驾驶汽车传感器对周围环境信息知道的程度不同,可分为两种类型:第一种是环境信息完全知道的宏观路径规划也叫全局路径规划;第二种是环境信息完全未知或部分未知,通过雷达、摄像头等传感器对无人驾驶汽车的工作。

环境进行探测,获取障碍物的位置、形状和尺寸等信息的局部路径规划。全局路径规划可使所规划的路径达到最优,局部路径规划则可使机器人完成实时避障。目前常用的移动机器人全局路径规划方法很多,主要有蚁群算法、粒子群算法、遗传算法。等,此外gps也是智能车辆进行全局规划的重要手段之一,目前主要采用gps/ins组合的导航技术。对蚁群算法来说,它存在收敛速度慢,容易陷入局部最优等缺陷;粒子群优化算法虽然具有通用性强、不依赖于问题、原理简单、容易实现等优点,但粒子群算法计算效率偏低,且抗噪能力差;遗传算法存在编程实现比较复杂,且参数的选择大部分是依靠经验等缺点。对gfs来说,虽然无人驾驶汽车通过gps/ins等传感器能全天候实时感知车辆在环境中的位置,提供准确的车辆行驶方向、速度、加速度等车辆自身状态信息,但由于gps的工作依赖于卫星信号,因此,在卫星信号不佳或信号无法获取的情况下将会失效,ins也会出现信号漂移等问题。

以上算法都存在编程实现较复杂等缺点。本次论文的目的在于结合人类驾驶员驾驶经验,提出采用高精度地图构建技术还原路况信息,结合a算法使智能车能够在导航不起作用的情况下按照规划路径进行无障碍行驶。将高精度地图用栅格数据模型表示,在标记为有障碍的栅格模型中,为机器人寻找一条恰当的从起始点到目标点的运动路径。高精度地图的获取可通过专业做地图的公司采集处理或者由人类驾驶员驾驶智能汽车遍历一块区域内的所有车道,将传感系统如64线激光雷达或摄像机等采集到的行驶轨迹、道路环境等信息经过滤波、融合等算法处理,就得到了这一区域的道路网络综合信息。

剩余内容已隐藏,您需要先支付后才能查看该篇文章全部内容!

2. 研究的基本内容与方案

一 地图栅格化

1 驾驶地图与栅格地图的关系

2坐标转换

剩余内容已隐藏,您需要先支付后才能查看该篇文章全部内容!

3. 研究计划与安排

3-5 完成资料收集与理论研究

3-15 完成编程工作与结果实现

3-25 完成初稿

剩余内容已隐藏,您需要先支付后才能查看该篇文章全部内容!

4. 参考文献(12篇以上)

[1] 时丕芳. 用于导管架检测的rov路径规划研究[d].中国石油大学,2010.

[2] 吕玉昆. 面向job shop的车间虚拟制造仿真技术研究[d].南京理工大学,2013.

[3] 王殿君. 基于改进a~*算法的室内移动机器人路径规划[j]. 清华大学学报(自然科学版),2012(08):59-63.

剩余内容已隐藏,您需要先支付 5元 才能查看该篇文章全部内容!立即支付

该课题毕业论文、开题报告、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。