基于仿生学的无人车局部路径规划技术研究综述
摘要：路径规划作为无人驾驶领域重点研究问题之一，近年来越来越受到人们的关注。针对目前无人车在路径规划过程中存在的由于环境复杂度高、多约束、随机性强等情况而导致的无法规划获得最优路径这一问题，对现有局部路径规划算法进行了分析研究。本文基于离散优化、仿生智能、采样和地图搜索四类路径规划算法，分析研究了国内外的研究现状，阐明目前无人车局部路径规划研究的热点和不足，据此提出未来研究发展趋势。
关键词：无人车；局部路径规划；算法。
前言
随着汽车保有量的不断增长,交通事故也随之增多,汽车安全早已成为全社会关注的焦点问题[1]。无人驾驶技术在降低道路交通事故发生率方面有着重要的研究意义和巨大的应用价值。随着人工智能的应用和发展,无人驾驶汽车也越来越受到关注,其中的避障问题已经成为了研究的热点[2]。局部路径规划,也称为避障路径规划,即考虑本车和障碍物之间的几何关系寻找出一条避免与障碍物发生碰撞的路径,是无人驾驶汽车的重要功能模块之一。
1 无人车局部路径规划技术
路径规划的方法有很多种，在不同领域有不同的应用研究。无人车属于移动机器人领域，所以无人车的局部路径规划借鉴了机器人控制研究的一些成果。在无人车局部路径规划的研究中常见的算法可以分为以下几类:基于离散优化的算法、基于仿生学的智能算法、基于采样的方法和基于图搜索算法。除了这些常见类型的方法之外还有一些探索创新的算法，如速度空间方法[3-4]、人工势场法[5-7]、弹性带理论[8]、智能水滴算法[9]等.
1.1 基于离散优化的算法
基于离散优化的算法是在约束条件范围内调整参数使得目标函数达到最优，以此来寻找一条最优的路径，如基于数值优化的规划算法、基于模型预测的规划算法等。这种方法容易处理来自车辆自身的运动学和动力学约束要求，却难以应对外界环境的动态变化[10]。
1.2 仿生学智能算法
随着人工智能的发展，路径规划的算法也借鉴了许多仿生学智能算法，如遗传算法、蚁群算法、粒子群算法、神经网络算法等。
遗传算法是一种基于进化论和遗传机理模拟自然界生物进化过程进行全局最优的搜索的算法[11-12]。其优点在于能够进行并行搜索，能够自适应地调整搜索方向进行全局搜索，找到全局最优解，适合大规模复杂问题的优化。缺点是运算量大、运算速度慢、容易过早收敛陷入局部最小值、不能较好的处理约束与优化的关系等。蚁群算法，是模拟蚂蚁寻找食物过程中在路径上释放信息素，根据信息素的浓度找到距离食物最短路径的算法[13]。这种算法的特点在于具有分布计算、启发搜索和信息正反馈的特征,每个个体路径的选择既会受到其他个体的影响也会影响其他个体，个体与个体之间建立通讯。这些特点使得蚁群算法有较高的计算能力和运行效率，但是个体在选择路径时如果处理不好启发信息与自行搜索之间的关系时也容易陷入局部最小。粒子群算法是受鸟类觅食启发发展起来以一种随机搜索算法。算法简单且收敛速度快，但是适用范围小，具有局限性[14]。神经网络算法是建立在对人类脑科学研究的基础上发展出来的一种智能优化算法，通过模拟人类神经大脑活动进行并行处理寻优[15]，但是由于其需要大量的样本对模型进行训练，在应用中比较困难。
1.3 基于采样的方法
基于采样的方法有概率路图法(probabilistic road map, PRM)[16]和快速随机扩展树法( rapidly random tree, RRT)[17-18],该类算法具备搜索速度快、无须对环境进行建模等优点,但其随机采样的特性导致路径不平滑。PRM算法是1996年由Latombe等人为解决高维空间复杂运动规划问题而提出的随机方法，是一种基于随机采样的运动规划方法[19]，PRM算法通常分为构图和查询两个阶段，构图阶段基于随机采样构建随机路径图，是算法的核心思想，对比其他规划算法，随机采样的方式避免了高维空间的建模和描述过程，解决了计算量“指数爆炸”的问题，使其处理高维空间复杂运动规划问题成为可能；RRT是由 Steven.M.LaValle 提出的一种路径规划算法。其优点在于其不需要对规划的空间进行建模，是一种随机采样的算法，同时考虑了无人车客观存在的约束，因此得到了广泛应用。基本的RRT算法在进行路径规划时也存在以下缺点：（1）随机生成路径，路径具有偏差性；（2）随机树在搜索过程中无导向性；（3）收敛速度迟缓，搜索效率低等。
1.4基于地图搜索算法
基于地图搜索的方法中常用的有A*[20-21]和D*算法[22],此类算法虽然在机器人领域得到广泛应用,但其规划的路径未能满足车辆的非完整性约束,且路径平滑性较差。启发式搜索算法[23]是由Dijkstra算法改进而来的。其最显著的特点就是在搜索过程中增加了启发函数。A*算法[24]是一种建立在 Dijkstra 算法基础上快速有效的启发式搜索算法。在传统的A*路径规划算法中仅考虑一次路径规划，当地图环境发生变化时需要进行新的路径规划，但没有利用到上次规划所用到的数据将。于是，在A*算法的基础上提出了适用于动态环境中的路径规划算法D*。
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
