面向自动驾驶车辆的可切换系统模型在大型未知环境中的高效路径规划
机器人学
2024-10-01 v2 系统与控制
系统与控制
摘要
随着构型空间尺寸增大，大型环境对路径规划算法构成挑战。此外，若环境主要未被探索，则路径的很大部分需规划穿过未知区域。因此，每当路径与新发现的障碍物发生碰撞时，就会发生对整个路径的完全重规划。我们提出一种新方法，让路径规划算法在某一特定距离后停止。它用于在大型环境中引导算法，且不易受现有导航方法问题的困扰。此外，我们开发了一种检测显著环境变化的方法，以实现更高效的重规划。最后，我们将路径规划器扩展用于 U-Shift 概念车。它可切换到另一系统模型并绕其后轴中心旋转。结果表明，所提方法生成的路径与标准 Hybrid A* 近乎一致，同时大幅降低了执行时间。此外，我们表明扩展的路径规划算法能够高效利用该概念车的机动能力，在狭窄环境中规划出简练路径。
引用
@article{arxiv.2310.06974,
title = {Efficient Path Planning in Large Unknown Environments with Switchable System Models for Automated Vehicles},
author = {Oliver Schumann and Michael Buchholz and Klaus Dietmayer},
journal= {arXiv preprint arXiv:2310.06974},
year = {2024}
}