王 猛,陈珏璇,邓正兴

(1.华中科技大学人工智能与自动化学院,湖北 武汉 430074;2.武汉光庭信息技术股份有限公司K+Lab实验室,湖北 武汉 430073;3.武汉光庭科技有限公司智能驾驶部,湖北 武汉 430200)

1 引言

自动驾驶是当前研究热点，但仍然存在着安全性、稳定性和舒适性等方面的不足，研究者也在从不同方面进行改进和优化[1]。运动规划作为自动驾驶的核心环节之一[2,3]，其功能是生成自动驾驶车辆的运动轨迹，以躲避行驶路线上的障碍物，该轨迹包含了车辆行驶的路径和以何种速度(加速度)运动的信息。运动规划相关研究主要有启发式搜索算法、人工势场法和离散优化方法等[4]。文献[5]指出，由于动态障碍物的存在，运动规划方法需要将时间作为一个维度，叠加在路径搜索、路径生成环节后的空间轨迹上，构成时间和空间上的可行轨迹。空间和时间维度的叠加计算会增加算法的时间复杂度。文献[6]提出了路径-速度分解法，先构造一条曲率连续有界的可行路径，再在该路径上规划速度。文献[7,8]在生成的最优路径基础上，建立每个路径点的速度(加速度)与时间和路径长度的关系模型，合成时间和空间上的运动轨迹。此类方法能够保证速度规划的连续性和平滑性，但生成的运动轨迹，尤其是速度轨迹，难以在后继控制模块中准确跟踪[9]，因而无法满足设计初衷。

为了降低自动驾驶运动规划的计算复杂度，保证自动驾驶的舒适性和稳定性，本文提出了一种基于模糊神经网络的智能化速度规划方法。……