，

(安徽工业大学机械工程学院，安徽 马鞍山 243000)

0 引 言

无人车的路径规划技术是智能导航系统的关键环节，实现无人车路径规划的关键技术是路径规划算法，它直接决定着搜索结果的优良和搜索时间的长短，选择一个合理的路径规划算法显得尤其重要。经过半个多世纪的探索，国内外学者主要从路径规划算法的实时性、全局收敛性和运算效率这三个方面进行研究改进，已经实现了从最初的盲目搜索到智能搜索算法的发展。用于全局路径规划的算法主要有A*算法[1]、人工势场法[2]、人工神经网络算法[3]、细菌觅食算法、遗传算法[4]等，其中A*算法和人工势场算法属于传统规划算法，人工神经网络算法、细菌觅食算法、遗传算法属于智能路径规划方法。当无人车在整洁的工厂、仓库、街道等环境中工作时，空间中障碍物个数少且体积大，针对这种较简单的静态工作环境，采用自由空间法构建环境模型，根据自由空间法构建的环境模型特点，提出一种结合Bellman-Ford算法与精英交叉机制遗传算法的混合遗传算法，用于规划较简单环境中的无人车全局最短路径。

1 基于自由空间法构建无人车环境模型

采用矢量对象描述方式来描述障碍物并进行建模，将环境空间障碍物抽象表示为各种不规则多边形，环境空间W的边界为200×200，其中初始点S坐标为(10,190)，如图1中圆点所示，目标点坐标T为(190,10)，如图1中方块点所示，基于链接图法[5]使用自由链接线将环境空间划分成各种凸多边形，并基于MATLAB软件通过抽象表达环境空间和构造空间连通图两个步骤完成无人车的自由空间法建模，环境模型如图1所示。……