局部路徑規劃
關注創建者：匿名 創建時間：2021-09-30
局部路徑規劃的視頻教程
1-39基于matlab的全局路徑規劃算法中的快速擴展隨機樹RRT路徑規劃算法及其改進方法RRT Star
基于matlab的全局路徑規劃算法中的快速擴展隨機樹RRT路徑規劃算法及其改進方法RRT Star、RRT_Conncet是一種具有狀態約束的非線性系統生成開環軌跡的技術，相比于其他算法可以輕松處理障礙物的問題。程序中的各參數已進行詳細說明，起點坐標，終點坐標，步長，迭代數等均可根據需求進行更改，程序已調通。 購買后可下載視頻中的源程序文件。
￥25.9 3分鐘 8播放
查看
1-89基于matlab的人工蜂群和粒子群混合優化的路徑規劃算法
基于matlab的人工蜂群和粒子群混合優化的路徑規劃算法，起點和終點確定的前提下，在障礙物中尋找最佳路徑。數據可更換自己的，程序已調通，可直接運行。 購買后可下載視頻中的源程序文件。
￥25.9 1分鐘 4播放
查看
局部路徑規劃的實例教程
彭曉燕，謝 浩，黃 晶
（湖南大學機械與運載工程學院，長沙 410082）
［摘要］ 無人駕駛汽車局部路徑規劃算法應確保避障的安全性、實時性和路徑的平滑性等。本文提出了一種基于離散優化的局部路徑規劃算法，即采用代價函數分別評估離散生成的候選路徑的安全性、平滑性等，再根據各代價函數加權計算獲得局部最佳路徑。針對障礙物移動隨機性，設計了一種基于運動估計結合高斯卷積的移動障礙安全性代價函數；考慮候選路徑曲率的變化及其連續性，設計了路徑平滑性代價函數。使用了一種新的坐標轉換計算方法將路徑從s-ρ坐標系轉換到大地笛卡爾坐標系，提高了實時性。最后，利用PreScan和Matlab軟件進行聯合仿真，并在“遠飛”無人車實驗平臺上進行了真實道路場景的實車實驗。實驗結果表明：提出的路徑規劃算法不僅能使無人車安全、合理地規避靜止和移動障礙，且完全滿足局部路徑規劃算法對實時性的要求。
關鍵詞：無人駕駛汽車；避障；路徑規劃；代價函數；實車實驗
前言
隨著汽車數量的不斷增長，交通事故也隨之增多，汽車安全早已成為全社會關注的焦點問題［1］。無人駕駛技術在降低道路交通事故發生率方面有著重要的研究意義和巨大的應用價值。隨著人工智能的應用和發展，無人駕駛汽車也越來越受到關注，其中的避障問題已經成為了研究的熱點［2］。局部路徑規劃，也稱為避障路徑規劃，即考慮本車和障礙物之間的幾何關系尋找出一條避免與障礙物發生碰撞的路徑，是無人駕駛汽車的重要功能模塊之一。
目前常用的局部路徑規劃算法主要分為4大類：人工勢場法、基于圖搜索的方法、基于采樣的方法和基于離散優化的方法。人工勢場法是Khatib提出的虛擬力法，此方法算法簡明，實時性良好，但存在容易陷入局部最小點的問題，且因未考慮車輛動力學約束，導致無法得到合理的路徑甚至規劃失敗［3］。
展開 關于改進RRT算法詳情可參考：路徑規劃——改進RRT算法：https://zhuanlan.zhihu.com/p/51087819
2.3
滾動在線RRT算法
基本RRT算法傾向于遍歷整個自由空間直到獲得可行路徑，這使其不可能用于未知或動態環境中的機器人在線運動規劃。利用滾動規劃的思想可以將RRT算法進行改進，使其具備在線規劃能力。
2.3.1 滾動規劃
機器人在未知或動態環境中運動時，只能探知其傳感器范圍內有限區域內的環境信息。機器人利用局部信息進行局部運動規劃，并根據一定的評價準則得到局部目標。機器人到達局部目標后再次進行新的局部規劃。如此反復進行直到到達全局目標。
滾動規劃算法的基本原理：
環境信息預測：在滾動的每一步，機器人根據探測到的視野內的信息、或所有已知的環境信息，建立環境模型，包括設置已知區域內的節點類型信息等；
局部滾動優化：將上述環境信息模型看成一個優化的窗口，在此基礎上，根據目標點的位置和特定的優化策略計算出下一步的最優子目標，然后根據子目標和環境信息模型，選擇局部規劃算法，確定向子目標行進的局部路徑，并實施當前策略，即依所規劃的局部路徑行進若干步，窗口相應向前滾動；
反饋信息校正：根據局部最優路徑，驅動機器人行走一段路徑后，機器人會探測到新的未知信息，此時可以根據機器人在行走過程探測到的新信息補充或校正原來的環境模型，用于滾動后下一步的局部規劃。
展開 路徑規劃技術，使用視覺技術將路線分割為幾部分，具體問題具體對待。
車輛自動駕駛，以實際工作情況可分為三種情況，一種是城市交通規劃，一種是高速公路行車，其它一種是水泥路面或非鋪裝路面。每種工作環境所對應的識別邏輯，運動規劃，車輛運行不同。以下舉例，都是以城市交通規劃為主。
（一）邏輯架構
工作包括電動車檢測系統的正常工作檢測和車機網絡狀況的判斷。同時，需要對目的地進行判斷，包括地址是否正確、是否為常用地址以及是否需要聯網。路徑規劃階段根據是否為新地址進行不同的處理。對于新地址，需要在車機聯網的前提下，根據百度、高德、騰訊地圖提供的路線提取行車關鍵信息，并將行駛路線分割為不同的行駛場景。然后，選擇不同的駕駛模式，并使用視覺提取交通信息，與網絡地圖提供的信息進行對照。對于常用地址，直接進行路徑規劃，將行駛路線分割為不同的行駛場景，并進行相同的處理。在達到目的地后，可以選擇將地址設為常用地址。如果選擇為常用地址，車機將儲存行駛路線，無需依賴網絡地圖，提供全局路徑規劃。如果不選擇常用地址，則保存7天后將其刪除。
（二）路徑規劃技術
路徑規劃技術在自動駕駛中起著至關重要的作用。下面邏輯圖介紹路徑規劃技術，左側是現行主流技術路線，右側是本人自己設計的技術路線。
左側技術路線，分為兩部分即全局路徑規劃，與局部路徑規劃。通過全局路徑規劃為局部路徑規劃提供信息，本人對此的理解，全局路徑規劃為車輛主要提供定位信息，局部路徑規劃根據全局路徑規劃完成實時避障。
右側技術路線，基于仿生學，主要根據車主用車習慣。提出新的定位技術，如下所示：
本研究提出了一種新的方法。該技術通過考慮各種交通場景來制定定位策略，以獲得更精確的定位結果。
展開 滾動規劃算法的基本原理：
環境信息預測：在滾動的每一步，機器人根據探測到的視野內的信息、或所有已知的環境信息，建立環境模型，包括設置已知區域內的節點類型信息等；
局部滾動優化：將上述環境信息模型看成一個優化的窗口，在此基礎上，根據目標點的位置和特定的優化策略計算出下一步的最優子目標，然后根據子目標和環境信息模型，選擇局部規劃算法，確定向子目標行進的局部路徑，并實施當前策略，即依所規劃的局部路徑行進若干步，窗口相應向前滾動；
反饋信息校正：根據局部最優路徑，驅動機器人行走一段路徑后，機器人會探測到新的未知信息，此時可以根據機器人在行走過程探測到的新信息補充或校正原來的環境模型，用于滾動后下一步的局部規劃。
其中，局部子目標是在滾動窗口中尋找一個全局目標的映射，它必須避開障礙物，且滿足某種優化指標。子目標的選擇方法反映了全局優化的要求與局部有限信息約束的折衷，是在給定信息環境下企圖實現全局優化的自然選擇。
基于滾動窗口的路徑規劃算法依靠實時探測到的局部環境信息，以滾動方式進行在線規劃。在滾動的每一步，根據探測到的局部信息，用啟發式方法生成優化子目標，在當前滾動窗口內進行局部路徑規劃，然后實施當前策略(依局部規劃路徑移動一步)，隨滾動窗口推進，不斷取得新的環境信息，從而在滾動中實現優化與反饋的結合。由于規劃問題壓縮到滾動窗口內，與全局規劃相比其計算量大大下降。
展開 基于matlab的全局路徑規劃算法中的快速擴展隨機樹RRT路徑規劃算法及其改進方法RRT Star、RRT_Conncet是一種具有狀態約束的非線性系統生成開環軌跡的技術，相比于其他算法可以輕松處理障礙物的問題。程序中的各參數已進行詳細說明，起點坐標，終點坐標，步長，迭代數等均可根據需求進行更改，程序已調通。
局部路徑規劃的最新內容
基于matlab的路徑規劃GUI交互。包括蟻量系統、蟻周系統、蟻密系統、蟻群系統、免疫混合算法。11種路徑規劃數據，最多225個規劃點。蟻群和免疫算法的參數可進行設置，使得效果最佳。動態顯示可視化規劃結果。程序已調通，可直接運行。
基于matlab的3D路徑規劃，蟻群算法（ACO）和天牛須（BAS）以及兩種結合的三種優化方式，對3D路徑規劃的最短路徑進行尋優。程序已調通，可直接運行。
基于matlab的Dijkstra算法進行路徑規劃。可根據實際情況輸入障礙物和起止點坐標信息； 輸出避碰最短路徑； 能夠利用切線圖算法對障礙物區域進行環境建模，設置障礙物的位置和區域。利用Dijkstra算法進行路徑規劃。程序已調通，可直接運行。
基于matlab的無人機路徑規劃，包括2D路徑和3D路徑，三種優化算法，分別是蝙蝠算法（BA）、蝙蝠算法融合差分進化算法(DEBA)、結合人工勢場方法的改進混沌蝙蝠算法(CPFIBA)。輸出距離迭代曲線和規劃的路徑。程序已調通，可直接運行。
基于matlab的A星算法和PSO算法實現路徑規劃動畫演示，具有GUI界面，可自主生成障礙物。移動靶路徑規劃。程序已調通，可直接運行。
基于matlab的全局路徑規劃算法中的快速擴展隨機樹RRT路徑規劃算法及其改進方法RRT Star、RRT_Conncet是一種具有狀態約束的非線性系統生成開環軌跡的技術，相比于其他算法可以輕松處理障礙物的問題。程序中的各參數已進行詳細說明，起點坐標，終點坐標，步長，迭代數等均可根據需求進行更改，程序已調通。
左側技術路線，分為兩部分即全局路徑規劃，與局部路徑規劃。通過全局路徑規劃為局部路徑規劃提供信息，本人對此的理解，全局路徑規劃為車輛主要提供定位信息，局部路徑規劃根據全局路徑規劃完成實時避障。
右側技術路線，基于仿生學，主要根據車主用車習慣。提出新的定位技術，如下所示：
本研究提出了一種新的方法。該技術通過考慮各種交通場景來制定定位策略，以獲得更精確的定位結果。
好文推薦
2023
歐洲 CCUS 技術發展現狀及對我國的啟示
圖17
▲全局與局部路徑規劃技術
如圖18所示，基于A*算法實現任意兩點間的全局路徑規劃，支持路徑規劃重置、選路以及速度規劃功能，同時結合實時環境感知狀態，進行局部路徑規劃，實現緊急制動、 跟車巡航以及換道避讓、 換道超車等自主決策。
標題：Swarm-Based 4D Path Planning for Drone Operations in Urban Environments
作者：Yu Wu(重慶大學航空航天工程學院)， Kin Huat Low(南洋理工大學) ，Bizhao Pang(南洋理工大學)，Qingyu Tan(空中交通管理研究所 ATMRI，南洋理工大學)
來源：IEEE TRANSACTIONS
