雷芳华，袁小芳

（1.湖南大学电气与信息工程学院，湖南 长沙 410082；2.郴州职业技术学院现代装备制造学院，湖南 郴州 423000）

1 引言

局部路径规划作为无人驾驶汽车研究的关键技术之一，其根据车载传感器采集的障碍物信息和全局期望路径信息重新规划出避开障碍物的局部最优路径，侧重于依赖车载传感器（激光雷达，超声波等）的采集信息，具有很强的实时性。目前局部路径规划方法归纳为两类：传统局部路径规划方法和智能局部路径规划方法。传统局部路径规划方法主要有人工势场法、栅格法和向量场直方图法等，对于障碍物信息已知的情况下处理避障问题尚可，但是遇到障碍物信息未知或动态障碍物，则不能很好处理［1］。针对动态环境规划效果不佳问题，以A*算法为代表的基于图搜索的路径规划算法，分别提出了改进A*［2］、MH A*［3］、DMH A*［4］算法等，以快速扩展树（RRT）为代表的基于采样的路径规划算法，文献中分别提出了EG-RRT［5］、RRT*［6］、CL-RRT*［7］算法等，提高了路径规划的质量。智能局部路径规划方法主要有模糊控制法、神经网络法、混合智能法、协同控制法等，对于障碍物信息未知或部分未知的情况下处理避障问题需要的硬件设备要求苛刻，且每种规划算法都有其优点及局限性，难以采用单一的算法实现动态环境精准、安全可靠的路径规划［8］。针对动态环境精准和安全可靠规划问题，文献中分别提出了改进A*与蚁群结合算法［9］、改进RRT与APF结合算法［10］等，提高了路径规划的精准和可靠。……