张俊豪，潘树国，高旺，郭芃，王萍，胡鹏

(东南大学仪器科学与工程学院,南京 210096)

0 引言

近年来，得益于电子通信技术、智能控制技术和智能计算技术等先进科技领域研究的突飞猛进，无人驾驶技术在世界各国得到快速发展.其中，路径规划是实现无人驾驶的重要技术之一，也是无人驾驶车辆能否安全并有效地抵达目的地的关键.

路径规划是指在规定区域内规划出一条从起点到目标点的最优解路径，且要保证与障碍物无碰撞，并尽可能保证路径短、平滑度高、规划时间短[1].目前，路径规划算法可以分为传统路径规划算法和智能仿生路径规划算法两类，其中传统路径规划算法有A*(A star)算法、快速搜索随机树算法(rapidly-exploring random trees，RRT)、人工势场算法、动态A*算法(dynamic A*，D*)等；智能仿生路径规划算法有蚁群算法、粒子群算法、遗传算法等.在这些算法中，RRT算法是一种基于采样的算法，因其具有概率完备性的特点而被广泛应用于机器人路径规划中.

近年来，针对RRT 算法收敛速度慢、随机性较大的缺点，许多学者都提出了改进RRT 算法的措施.Karaman等[2]提出 RRT*算法，该算法引入了重新布线的思想，通过重新选取路径的父节点，使得得到的路径最短；彭君[3]提出了基于变权重势场的改进RRT 算法和基于模糊逻辑的改进RRT*算法，前者通过采用KD-Tree 算法(k-dimensional tree)和变权重的人工势场法的规划策略，解决了RRT 算法在路径规划时收敛速度慢和避障效果较差的问题，后者在RRT*算法的基础上加入了模糊逻辑策略，提高了路径质量；……