基于平行泊车路径规划的智能泊车系统设计

针对智能泊车系统对泊车准确度及计费实时性要求,提出一种基于距离和避障信息融合的自动泊车路径规划方法和泊车计费方法,解决当前泊车与计费不能有效融合,不利于进行智能管控的现实问题。系统采用STM32单片机作为系统主控芯片,电机驱动模块RZ7889D驱动直流电机,转向舵机采用MG996,超声波测距传感器HC-SR04用于测量车身与障碍物物理距离并结合LM393实现红外避障,实现智能泊车。系统采用LabVIEW设计智能泊车系统上位机面板,实时显示泊车车位、数量、时长和费用,并具有历史数据查询和车辆数据波形显示功能。经仿真测试和系统微缩物理模型测试,该系统能够实现平行泊车路径规划,可实现平稳、顺滑的良好泊车,平均泊车时长为41s,能够根据停车时长进行计费,满足简单、可靠且准确的智能泊车计费系统设计要求。     

基于两步法的平行泊车分段路径规划算法

研究应用于辅助平行泊车的路径规划问题,为引导车辆从任意的起始位姿开始无碰撞地泊人较小的库位.针对车辆的泊车路径规划问题,提出了一种分段式的路径规划方法,采用采样运动规划中的两步法,并采用平滑化的路径来解决泊车过程中曲率不连续点处需停车转向的问题;另外,采用分段路径规划策略,选择合适的目标停车位姿,减少泊车过程中的调整次数,缩短了可泊人的最小库位长度.仿真结果验证了改进方法的有效性和实用性.     

基于三阶反正切函数模型的平行泊车轨迹规划

现有泊车情况面临两大问题:停车空间小和泊车控制难.针对日益严重的“泊车难”问题,提出一种平行泊车的轨迹规划方法.该方法由带有三阶扰动的反正切式轨迹模型进行路径规划,考虑运动学的约束空间条件,利用遗传算法确定最优轨迹函数参数,最后获得最优泊车轨迹.仿真结果表明车住长与车长比值可达到1.315,多车位与多车型的模型仿真表明该路径规划方法的有效性以及较强的鲁棒性.     

基于二段多项式的窄空间平行泊车路径规划方法

针对窄空间平行泊车路径规划问题,提出一种基于二段五阶多项式的方法分别计算车辆前进路线与倒车路线,其中前进路线用于调整车辆位姿,实现倒车入库路径曲率最优.根据常规停车位大小与家庭轿车的尺寸建立仿真环境,结合车辆运动模型,搜索自由空间内无碰撞路径.仿真结果表明,二段五阶多项式法可以实现在有限空间范围内的智能泊车,且在由两段路径连接得到的路径上方向盘转向角连续变化.     

五次多项式优化的平行泊车路径规划

针对目前自动泊车路径规划普遍存在的曲率突变问题,提出了一种五次多项式优化的平行泊车路径规划方法。五次多项式曲线由约束条件建立的方程组求解得出,并对路径的曲率突变处进行过渡优化。为简化计算,引入“虚圆半径”的概念,以“虚圆半径”作为最小转弯半径,并按照“圆弧-直线-圆弧”平行泊车路径规划的方法进行求解,由此得出优化的平行泊车路径。仿真结果表明,五次多项式优化的平行泊车路径规划方法能够规划出曲率连续、满足避障约束和车辆运动学约束的优化路径,提高了路径跟踪的效果,保证车辆安全完成泊车。     

自动泊车运动规划方法综述

自动泊车是自动驾驶车辆在低速行驶场景中的核心技术之一,已被广泛应用于各类车型中。运动规划确保所规划出的轨迹能指引车辆从起始位姿无碰撞、符合运动学规律地行驶至目标位姿,是体现自动泊车智能水准的关键技术模块。随着当前自动驾驶技术从初步的技术原型研究逐渐向产业化应用转型,低速自动驾驶领域中的自动泊车技术成为了这一转型过程中的关键突破点。文章回顾了现有的应用于自动泊车领域的运动规划方法,将其归纳为几何方法、采样方法、搜索方法、数值优化方法以及机器学习方法等类别,并对各类方法的发展历程与技术特点进行了回顾;探讨了自动泊车运动规划方法的未来研究方向,具体包括构建泛化性更强的模型、提升规划方法的稳定性、关注在线实时高质量重规划的能力与防御性驾驶的能力,以及考虑与其他交通参与者的交互等。     

基于Dijkstra算法的大型停车场最优泊车路径规划

针对停车场建立无向带权图模型,在研究分析停车场影响泊车行为快速性的因素基础上,结合停车场内路径距离与道路通行质量两属性因子构造边权,提出了一种基于Dijkstra算法的停车场最优泊车路径规划方法,方法所得最优路径规划旨在引导泊车者快速、安全地完成泊车任务。最后实例分析表明,该方法客观、简单、实用,有助于停车场车位引导系统为泊车者提供快速的泊车引导服务。     

基于正反馈自适应遗传算法的机器人路径滚动规划*

针对传统遗传算法求解机器人路径规划问题存在的收敛速度较慢的缺陷,将蚂蚁算法、模拟退火算法、滚动规划和遗传算法相结合,提出了一种新颖的基于正反馈自适应遗传算法的滚动规划。仿真实验表明,即使在复杂的未知环境下,利用本算法也可以规划出一条全局优化路径,且能安全避碰。     

基于遗传算法的移动机器人动态路径规划研究

针对移动机器人未知、动态环境下路径规划的难题,对移动机器人进行了系统设计,采用动态栅格法对环境建模,在对传统遗传算法进行一定的改进的基础上,个体评价函数采取可行路径适应度函数和不可行路径适应度函数分别进行处理,通过算法设计和仿真可知,采用该方法对移动机器人进行动态路径规划时,与任何障碍物不发生碰撞,路径短而且规划曲线平滑,达到了满意的规划效果和收敛速度。     

基于传统遗传算法的改进排爆机器人路径规划研究

针对传统遗传算法进化速度慢、容易陷入局部最优点等缺陷,提出了改进 后新的路径规划算法。在判断路径中,基于闵科夫斯基原理对障碍物进行扩展;在构造路径 中基于可视图原理进行改进,构造机器人的真正可行区域;在最短路径中对遗传算法中种群 的初始化,个体的编码方法等问题做了详细的研究,并在选择算子中引入相似度的概念,大 大扩大了初始种群的范围,避免进入局部最优点。最后通过仿真实验验证了此算法的可行性。     

基于改进遗传算法的AGV路径规划

为解决基本遗传算法在规划AGV运行路径时存在早熟收敛的问题,对基本遗传算法进行改进优化。用模拟退火法进行种群选择,提高种群的差异性;改进交叉、变异算子自整定策略和精英策略,提高算法的收敛速度;在适应度函数中加入路径曲折度、路径繁忙度和车辆负重度等多个规划指标,使规划出的路径更符合实际。将优化后的算法与基本遗传算法进行比较,仿真结果表明,改进后算法在AGV路径规划中具有高效性。     

微粒群与蚂蚁融合的机器人路径规划新算法

针对栅格法建模的不足,研究了一类全新的微粒群与蚂蚁算法融合的机器人路径规划算法。该方法首先用栅格法建立机器人运动空间模型,在此基础上利用蚂蚁算法进行搜索得到全局导航路径,然后用微粒群算法局部调节导航路径上的路径点,得到更优路径。计算机仿真实验表明,即使在蚂蚁算法得到的导航路径不佳的情况下,利用本算法也可以规划出一条全局优化路径,且能安全避障。     

DEM中基于遗传与蚁群的混合路径规划算法

现有启发式算法在DEM路径规划中因数据量巨大,效率较低。针对该问题,提出一种基于遗传和蚁群的混合路径规划算法。该算法在遗传过程中,通过在初始群体生成阶段构建选择因子,使得在节点搜索时更加倾向于终点方向,提高初始群体生成效率;对变异过程中变异节点的变异区间进行限制,避免产生路径断点;在蚁群寻优过程中,根据遗传过程产生的路径信息,采用自适应信息素初始化与更新策略,提高算法搜索效率。测试结果表明,混合算法能够在规则网格DEM数据下搜索出符合条件的路径,并具有较好的效率。     

基于WGAN-GP的搜索式路径规划算法

为了提升搜索式路径规划算法在C字型障碍中的探索效率,提出了一种基于对抗生成网络的A*算法。首先使用训练更为稳定的梯度惩罚Wasserstein对抗生成网络（WGAN-GP）生成存在可行路径的感兴趣区域;然后使用A*算法优先探索该区域,使得路径规划能够被有效引导;最终形成一条连续的路径。经过实验仿真验证,其相较于传统A*算法节约了31%的规划时间、减少了22.84%的探索空间,提升了路径规划算法的效率。实验结果表明,改进的A*算法具有较高的探索效率,能够更好地应用于机器人路径规划中。     

自动代客泊车背景下的共享停车供需匹配模型及对应禁忌搜索算法

为了减少自动代客泊车车辆在停车场或指定停车区域内的车辆移位次数和距离,从而降低相关的成本和潜在事故风险,在满足共享停车需求的条件下构建了相应的车辆和泊位匹配优化模型.考虑到无人驾驶车辆停车中可自由移位的特征,将共享停车的需求和供给在时间上加以细分,与决策变量和可行解对应定义了匹配、匹配条和匹配图的概念;通过概念转换将求解匹配图的有效邻居转换为经典指派问题,并利用匈牙利算法加以求解;针对匹配模型的NP-hard特征,设计了对应的禁忌搜索算法.数值分析不仅验证了模型的合理性和求解算法的有效性,也证实模型与方法可处理有人驾驶的共享停车匹配问题.结果表明,利用自动代客泊车可以进一步提升共享泊位利用率,增加可停放的共享车辆数.     

基于改进蚁群算法的铁路路网最优路径规划

多条件最优路径规划问题是铁路出行查询系统的重要功能之一。将路径规划问题转化为以用户多种条件组合为目标函数的最优化问题,并将改进的蚁群算法应用于该问题,使查询系统能够满足各类用户的查询要求,并给出最优解或次优解。仿真实验表明：该算法的实时性很高,是一种行之有效的方法。