[发明专利]一种基于快速拓展随机树的无人车曲率连续路径规划方法

说明书

本发明涉及一种基于快速拓展随机树的无人车曲率连续路径规划方法，属于路径规划技术领域。本发明采用节点列表记录那些可以无碰撞连接的节点，并用栈的思想从列表中逆序取出进行曲率约束检测，从而得到既符合曲率约束，又使路径长度更低的可行路径。本发明方法能极大提高随机树的扩展成功率，此外，由于平滑方案设计中考虑了节点的可扩展性，算法规划的路径在长度上将会随着规划进行逐渐降低。

技术领域

本发明属于路径规划技术领域，具体涉及一种基于快速扩展随机树的路径规划方法，使得规划路径的曲率连续且满足最大曲率约束，在无人驾驶、机械臂控制和无人机航路规划等领域有广泛的应用。

背景技术

智能机器人为生活生产提供便利和效率使其成为当今社会的热点话题，而运动规划则是机器人运动的关键技术之一，特别是在对无人车技术需求越发激烈的今天，一条可行的无碰撞路径是机器人安全移动的关键。在现有规划技术中，采用图搜索算法可以获取最短路径，但此类算法的规划速度受环境大小影响较大。快速扩展随机树(RRT/rapidlyexploring random tree)算法摒弃了路径最优特性，通过随机采样的方案对环境进行探索，在环境适应性和求解速度上有较大优势，其随机树可被视为空间中已探索的安全区域，当随机树扩展到目标区域时，便可得到可行的安全路径。然而，传统的路径规划算法生成的路径由有序离散点组成，这样的路径很难被轮式无人车跟随，需要增加额外的路径平滑处理过程。

为了与应用相结合，使用曲线理论对直线段路径进行平滑的方式被广泛适用，Dubins曲线通过圆弧对路径的转角进行处理，但该路径在圆弧连接出曲率不连续，无法被car-like车辆匀速跟随；Clothoids曲线缺乏闭环表达形式难以被广泛推广；相对而言，样条曲线和贝塞尔曲线在路径平滑处理方面应用更多，Kwangjin Yang基于贝塞尔曲线理论提出了G²和G¹连续可行规划方案；Mohamed Elbanhawi使用B样条曲线得到C²连续平滑路径；然而，此类算法在规划过程中并未考虑曲率约束，其路径规划和平滑过程分步进行，这样的后处理平滑方案并未考虑平滑过程带来的路径偏移，从而导致平滑后的路径可能与环境中的障碍物发生碰撞，一旦平滑路径不可行，需要进行重规划，这将导致规划时间增加。

发明内容

要解决的技术问题

为了避免传统路径规划算法在平滑后处理过程中带来的碰撞导致重规划，在规划过程中明确考虑平滑问题是一个很好的解决方案，但由于曲率约束检测中的边长限制，传统基于快速扩展随机树的路径规划方法在规划过程中考虑曲率约束的规划效率十分低下。本发明提出一种对任意给定上限曲率的平滑路径规划方案，该方案能在规划过程中明确考虑路径的平滑问题，具备高效的规划性能且在时间充足情况下得到最短的可行路径。

技术方案

一种基于快速拓展随机树的无人车最大曲率约束路径规划方法，其特征在于步骤如下：

步骤1：在无障碍物区域X_free中进行随机采样，得到采样点x_new；

步骤2：在随机树包含的节点列表V中寻找与新节点x_new空间距离最近的节点，并将其记为x_nearest；