考虑动态障碍的自主泊车基于优化的运动规划：一种分层框架
机器人学
2023-11-15 v3
摘要
本文提出一种融合图搜索算法与模型预测控制的分层框架，以在受限环境中实现自动驾驶车辆（AVs）的高效泊车机动。在高层规划阶段，框架引入基于场景的混合 A*（SHA*）——传统混合 A* 的优化变体——以在考虑静态障碍下生成初始路径。该全局路径作为低层 NLP 问题的初值猜测。在低层优化阶段，部署基于非线性模型预测控制（NMPC）的框架以规避动态障碍。SHA* 的性能通过 148 个仿真场景实证验证，所提分层框架的有效性通过实时平行泊车仿真展示。
引用
@article{arxiv.2210.13112,
title = {Optimization-based Motion Planning for Autonomous Parking Considering Dynamic Obstacle: A Hierarchical Framework},
author = {Xuemin Chi and Zhitao Liu and Jihao Huang and Feng Hong and Hongye Su},
journal= {arXiv preprint arXiv:2210.13112},
year = {2023}
}
备注
Update some typos and references