邱子威，张友兵，毕栋

（湖北汽车工业学院 汽车工程师学院，湖北 十堰442002）

无人驾驶方程式大赛要求赛车具有良好的定位、感知、规划及控制能力，路径规划起关键作用。目前路径规划算法分为全局路径规划和局部路径规划。全局路径规划算法包括A*算法［1］、遗传算法［2］、蚁群算法［3］等，局部路径规划算法包括人工势场法［4］、智能水滴算法［5］、神经网络算法［6］等。迭代最近点（iterative closest point，ICP）算法应用广泛，但对2个点云初始位置要求较高，且要求2个待配准点云存在包含关系［7］。鉴于此，国内外学者提出了基于正交因子模型等改进ICP算法。路径规划方法的选择与行驶场景有关，无人方程式赛车传感器识别锥桶为坐标点集，传统ICP算法对点集坐标路径规划略有不足，通过狭窄通道时无法找到可行路径易陷入局部极小点。改进ICP算法不必对处理的点集进行分割和特征提取，收敛性较好，且计算量小很多。文中基于ICP提出适合无人方程式赛车的路径规划算法，根据已知赛道信息和当前信息规划出赛车可行驶的全局路径。

1 赛道分析

以8字环绕项目为例，提出路径规划方法。赛道由2个同心圆成8字形排列，圆心之间距离为18.25 m，内圆直径为15.25 m，外圆直径为21.25 m。在内圈内侧和外圈外侧布置16个交通锥标，两圆切点处使用高锥桶作为切点处的标识，赛道内外圈之间是3m的赛道，赛车出入于两圆相切的3m宽赛道，如图1所示。ICP算法即给定有部分重叠的参考点集和当前点集，根据2组点集中点的对应关系，求点集之间的变换关系［8］，如图2所示。……