面向自动驾驶车辆的平滑 A* 路径规划的经济方法

面向 wheeled mobile robot 的路径规划是自动化和智能交通系统领域的关键组件。具有非全约束运动能力的车类车辆对计划出的路径提出了额外要求。虽然 A* 等传统路径规划算法因其简单有效，广泛用于在复杂环境中寻找最优路径，但这些算法往往不考虑车辆动力学，导致规划出的路径在实际驾驶中不可行或不实用。具体而言，仅最小化网格单元数的路径可能仍过于弯曲或拐角，使车类车辆难以平滑通过。本文致力于解决既能找到可行路径又能确保路径平顺可驾驶的路径规划问题。通过对 A* 算法进行改造以 Incorporate 曲率约束，并引入考虑路径平滑性的代价函数，我们旨在弥合基于网格的路径规划与车类车辆可驾驶平滑路径之间的差距。该方法利用运动原语，这些原语由基于辋条的路径规划器生成，后者产生最小曲率的平滑路径。运动原语引导 A* 算法寻找长度和曲率最小的路径。通过对 A* 算法的改造，规划出的路径可被约束为具有远大于网格大小的最小转弯半径。我们在不同非结构化环境中展示了所提出算法的有效性。在两阶段规划方法中，首先修改后的 A* 算法寻找基于网格的路径，而基于辋条的路径规划器在网格单元区域内创建平滑路径。最终得到的路径在曲率小、与网格轴方向无关，即使在遇到尖锐障碍物时也能保持平滑。