孙伶玉，付主木,b，陶发展,b，司鹏举,b，宋书中,b

(河南科技大学 a.信息工程学院；b.河南省机器人与智能系统重点实验室，河南 洛阳 471023)

0 引言

由于汽车普及率的提高和复杂的交通参与者构成，车辆安全行驶变得愈加困难[1-2]，故智能车的研究受到人们的广泛关注。通过研究路径规划算法，为智能车辆提供安全、可靠和平稳的避障路径，实现车辆在不同环境下的精准避障[3-4]，已成为当下研究的重点问题。

现有的路径规划算法主要分为全局路径规划算法和局部路径规划算法。全局路径规划算法主要包括A*算法[5]、D*算法[6]、蚁群算法[7]和遗传算法[8]；局部路径规划算法主要包括人工势场(artifical potential field,APF)算法[9-11]、Bug算法[12-13]和快速搜索随机树算法[14-15]。在实际应用中，通常将几种规划算法结合起来，以达到所需效果。

针对复杂交通场景下智能车辆的路径规划问题，文献[16]提出了人工势场算法，其结构简单、数学描述方便、计算量小，可实现实时路径规划。然而，该算法本质上仍属于局部路径规划算法，导致其存在目标不可达和易陷入局部极值等固有问题[17]。

目前，部分学者针对人工势场存在的缺陷进行了一系列的研究。文献[18]提出了基于改进势场函数的扇区划分方法，在局部极值点附近增加虚拟障碍物，通过调整斥力场分布，使车辆可以驶出局部极值。文献[19]提出一种基于人工势场的回归搜索方法，利用虚拟局部引力和斥力，消除传统人工势场算法存在的局部极小值问题，获得最优路径。文献[20]提出一种势场填充策略，使用电位填充方法，在目标不可达与局部极小值的位置设置一个额外的电位场，将机器人拉离局部极小值以解决人工势场存在的缺陷。……