[发明专利]一种改进RRT算法的车辆路径规划方法在审
申请号: | 201910008795.3 | 申请日: | 2019-01-04 |
公开(公告)号: | CN109668573A | 公开(公告)日: | 2019-04-23 |
发明(设计)人: | 陈敏;李笑 | 申请(专利权)人: | 广东工业大学 |
主分类号: | G01C21/34 | 分类号: | G01C21/34;G06N3/00 |
代理公司: | 广东广信君达律师事务所 44329 | 代理人: | 杨晓松 |
地址: | 510062 广东*** | 国省代码: | 广东;44 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 距离度量 车辆路径规划 机器人路径规划 运动学约束 仿真实验 计算开销 路径规划 训练学习 智能车辆 最短路径 求解 近似 改进 监督 引入 预测 应用 学习 | ||
1.一种改进RRT算法的车辆路径规划方法,包括环境地图和车辆模型,其起始点为qstart,目标点为qgoal,其特征在于,所述路径规划方法包括以下步骤:
步骤1:初始化样本集S;
步骤2:在车辆状态空间中随机生成两个状态点q1和q2,计算q1到q2的最短路径Dubins曲线长度c,将(q1,q2,c)添加到样本集S;
步骤3:重复步骤2直到样本集S中样本达到指定数量;
步骤4:根据得到的样本集训练回归模型,其中输入为(q1,q2),输出为c,通过交叉验证选取回归误差最小且预测时间最小的模型F,以此来预测两个状态点间的距离。
步骤5:设定目标领域距离范围thred,最大迭代次数maxIter;
步骤6:初始化随机树T,将qstart作为根节点;初始化迭代次数iter=0;
步骤7:判断迭代次数iter是否大于maxIter;
步骤8:从车辆自由状态空间Cfree中随机采样状态点qrand;迭代次数iter=iter+1;
步骤9:遍历随机树T,使用步骤4中的模型F预测树节点与qrand之间的距离,找到距离qrand最近的节点qnear;
步骤10:计算从qnear到qrand的Dubins曲线,然后随机树T从qnear沿Dubins曲线向qrand扩展固定步长step到达新节点qnew;
步骤11:对步骤8中qnear到qnew段曲线进行碰撞检测;
步骤12:计算节点qnew与qgoal之间距离D;
步骤13:从位于目标点领域的节点qgoal开始,根据父节点依次向前回溯到起点qstart,得到最终路径。
2.根据权利要求1所述的改进RRT算法的车辆路径规划方法,其特征在于,所述步骤7中,如果iter>maxIter,则程序结束,规划失败;如果iter<=maxIter,转至步骤8。
3.根据权利要求1所述的改进RRT算法的车辆路径规划方法,其特征在于,所述步骤11中,如果与障碍物发生碰撞,转至步骤7,如果与障碍物未发生碰撞,将新节点qnew及其对应的曲线段加入到树T中,qnew的父节点为qnear。
4.根据权利要求1所述的改进RRT算法的车辆路径规划方法,其特征在于,所述步骤12中,如果距离D≤thred,则判定qnew到达目标点领域,转至步骤13;如果距离D>thred,转至步骤7。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于广东工业大学,未经广东工业大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201910008795.3/1.html,转载请声明来源钻瓜专利网。