基于卫星和航空激光雷达数据的自动驾驶车辆路径规划算法比较
机器人学
2025-07-09 v1 人工智能
摘要
自动驾驶车辆在非结构化环境（如森林和山地）中的导航面临重大挑战，由于地形不规则和复杂的道路条件。本文对应用于从高分辨率卫星影像和航空激光雷达数据中推导的加权像素级道路网络的主流和已建立路径规划算法进行比较评估。对于 2D 道路图导航，其中权重反映道路条件和地形难度，测试了 A*、Dijkstra、RRT* 和一种新型改进蚁群优化算法（NIACO）在 DeepGlobe 卫星数据集上。对于 3D 道路图路径规划，在提供详细高程信息的 Hamilton 航空激光雷达数据集上评估了 3D A*、3D Dijkstra、RRT-Connect 和 NIACO。所有算法均在相同的起点和终点条件下进行评估，关注路径费用、计算时间和内存消耗。结果表明，Dijkstra 在 2D 和 3D 场景中始终提供最稳定和高效的性能，尤其是在稠密的像素级地理空间道路图上运行时。这一发现凸显了基于 Dijkstra 的规划在静态地形导航中的可靠性，为在复杂环境约束下的动态路径规划研究奠定了基础。
引用
@article{arxiv.2507.05884,
title = {Comparison of Path Planning Algorithms for Autonomous Vehicle Navigation Using Satellite and Airborne LiDAR Data},
author = {Chang Liu and Zhexiong Xue and Tamas Sziranyi},
journal= {arXiv preprint arXiv:2507.05884},
year = {2025}
}
备注
6 pages, 3 figures, 67th International Symposium ELMAR-2025 15-17 September 2025 Zadar, Croatia