汽车自动驾驶路径规划和局部规划的含义及区别是什么，自动驾驶汽车四种常用的路径规划算法解析

很多朋友对汽车自动驾驶路径规划和局部规划的含义及区别是什么，自动驾驶汽车四种常用的路径规划算法解析不是很了解，每日小编刚好整理了这方面的知识，今天就来带大家一探究竟。

自主车辆的路径规划算法起源于机器人的路径规划研究，但在工作条件方面比机器人的路径规划复杂得多。自动驾驶汽车需要考虑车速、道路附着力、车辆最小转弯半径、外部天气环境等因素。本文将介绍四种常用的路径规划算法，即搜索算法、随机采样、曲线插值和人工势场法。1.搜索算法

搜索算法主要有遍历和启发式，其中Dijkstra算法属于传统的遍历，A *算法属于启发式。在A *算法的基础上，还衍生出了D * Lite算法、加权A* *算法等其他类型。

Dijkstra算法由荷兰计算机科学家Dijkstra于1959年首次提出。该算法的核心是计算从起点到终点的最短路径。它的算法特点是从起点延伸到周围各层，直到到达终点，然后从中寻找最短路径。算法搜索方法如图(1-1)所示。

A *算法结合了最佳优先级算法和Dijkstra算法，在空间的每个节点定义了一个启发式函数(评价函数)。启发式函数是从当前节点到目标节点的估计值，从而减少了搜索节点的数量，提高了效率。A *算法中的启发式函数

包括两部分，即从初始点到任意节点N的代价、从节点N到目标点的启发式评估代价以及物体从初始点到目标点移动时的连续计算值，以选择代价最低的节点。一般来说，遍历算法可以获得全局最优解，但计算量大，实时性差；启发式算法结合了遍历算法和最佳优先算法的优点，具有计算量小、收敛速度快的特点。

图(1-2)是最佳优先级算法的示意图。可以看出，该算法具有一定的选择性，但面对图中的U型障碍物时会效率低下。A *算法完美的结合了Dijkstra算法和最佳优先级算法，不仅具有一定的选择性，而且计算量最少，更快的找到最短路径。

图1-1 Dijkstra算法示意图图1-2最佳优先级算法示意图图1-3 A *算法2示意图。随意采样

随机抽样主要包括蚁群算法和RRT(快速扩展随机树)算法。蚁群算法由Dorigo M等人于1991年首次提出，并首次用于求解TSP(旅行商问题)。该算法的基本原理如下：1 .蚂蚁在路上释放信息素。2.遇到没走过的路口，随便选一个，释放与路径长度相关的信息素。3.信息素浓度与路径长度成反比。随后，蚂蚁再次遇到路口时，选择信息集中度较高的路径。

4.最优路径上的信息素浓度在增加。5.具有最大信息素浓度的路径是最优路径。在小规模TSP中性能尚可，但在大规模TSP问题中性能下降，容易停滞。实际道路环境复杂，不仅受到道路和障碍物的限制，还受到自身动态的影响，因此该算法更适合全局路径规划，不太适合局部路径规划。

图2-1蚁群算法3示意图。曲线插值

曲线插值的方法是根据一些特定的条件(安全、快速、高效)来拟合路线的曲线，如贝塞尔曲线、多项式曲线、B样条曲线等。一般来说，多项式算法主要考虑以下几何约束来确定曲线的参数。几何约束：1。起点的位置和姿态。2.最小转弯半径。3.障碍约束。4.目标点的位置和姿态。

根据几何约束的不同，多项式算法的阶次从三阶到六阶甚至更高阶不等。阶数越高，算法复杂度越高，收敛速度越慢。四次多项式的形式如式(3-1)所示，参数由几何约束确定。基于参数曲线来描述轨迹，这类算法更直观，也能更准确地描述车辆需要满足的路况。规划的轨迹也很平坦，曲率变化连续，可以约束。

缺点是计算量大，实时性不是很好，很难找到最优的评价函数。未来的研究方向将主要集中在算法的简化和评价函数的改进上。目前，曲线拟合算法是一种广泛使用的规划方法。

(3-1) 4.人工势场法

人工势场法是由哈提卜于1986年提出的。该算法基于目标点会吸引自动驾驶车辆，障碍物会排斥自动驾驶车辆的假设，使自动驾驶车辆沿着“势峰”之间的“势谷”前进。这种算法的优点是结构简单，有利于底层的实时控制，可以大大减少计算量和时间，生成相对平滑的路径，有利于保持自主车的稳定性。

算法的缺点是可能陷入局部最优解，难以用车辆动力学约束规划路径，也难以在复杂环境下建立势场。势场的基本步骤是：首先建立势场，包括障碍物势场和目标点势场，然后通过求势场的负梯度得到势场中的障碍物斥力和车辆的目标点重力。

将所有障碍物的排斥力与目标点的重力叠加，就可以得到车辆在势场中任意位置的力。最后可以根据合力迭代更新位置，得到从起点到终点的完整路径。

图4-1基于人工势场法构建的势能场图4-2基于人工势场法规划的路径点

最后，下表对本文介绍的四种算法的优缺点和计算效率做了简要的比较和总结。

不难发现，其中人工势场法的计算速度最快，实时性也最好，但是存在局部最优解、复杂势场难以搭建的情况，这也是未来该算法的研究热点、难点；其中，曲线插值是目前较常见的一种算法，虽然该算法的计算效率不高，但是相信在未来车载计算机的计算能力大幅度提升之后，该算法可以被更广泛得使用。

以上知识分享希望能够帮助到大家！