户望力

基于改进的RRT车辆路径规划

户望力

（长安大学 汽车学院，陕西 西安 710000）

文章针对基础RRT算法的不足即搜索的盲目性与复杂条件下较差的适应性，对基础RRT算法进行改进，通过对扩展节点的条件进行约束，使得车辆进行路径规划时更加具有方向性，能够实现对物体的绕行，以快速地寻找出可行的路径。最后通过MATLAB进行仿真，验证了改进算法在简单条件与复杂条件（狭小通道）下路径规划的有效性。

路径规划；RRT算法；智能驾驶

前言

近年来，随着人们对机器学习与深度学习的深入研究，人工智能进入了快速的发展阶段，再加上5G网络的兴起，深度机器学习更是如鱼得水，已经渗透到了各种行业之中。对于汽车的研究，更是向着智能驾驶的方向发展。从研究的进展来看，对于智能驾驶的研究大多数企业均已进入了L3阶段，甚至有些汽车企业已经进入L4阶段的研究。而对于智能汽车的研究，其车辆路径规划是高级智能汽车的必经之路。目前，对于车辆路径规划具有很多的方法，常见的算法有：Astar、Dstar、RRT、Hybrid Astar等。对于不同的算法都有其优缺点。总体而言，无论哪种算法其最重要的问题就是算法的实时性与精确性这两者的平衡。一般而言，两者是呈现负相关的关系，即要想使算法具有较高的精度就必须牺牲相应的时间。好在随着5G网络及芯片的快速发展，研发人员研制出了针对不同的处理数据的CPU、GPU，使得对数据的处理能力得到了快速的提高。

车辆路径规划包含全局路径规划和局部路径规划，亦称静态规划、动态规划。……