路径规划概述课件讲解.pptx

《车载智能技术》

无人驾驶汽车路径规划-路径规划概述

主讲人：黄侃

江西交通职业技术学院

路径规划概述

路径规划是指在模型化的环境中按照一定的评价标准规划出一条从起始状态到目标状态的可行路径。

根据对环境信息的把握程度，路径规划可分为两类:基于环境信息已知的全局路径规划，又称为静态规划或离散规划；基于传感器信息的局部路径规划，又称为动态规划或在线规划。

两者的主要区别在于:前者在规划时没有考虑环境的现场约束，如障碍物的形状和位置、道路的宽度、道路的曲率半径等；后者通过传感器设备实时获取周围环境信息，除了周围障碍物的形状、位置信息与道路的形状信息外，还包括交通信号、车辆自身的行驶状态等。

路径规划概述

路径规划的核心就是算法的设计，从传统算法到智能算法，路径规划技术已经得到了极大的发展。

智能仿生算法是受自然界的启发，通过模拟自然生物的行为规律从而实现优化目标的目的。目前智能仿生算法有蚁群算法、神经网络算法与遗传算法等。

路径规划概述

蚁群算法(antcolonyoptimization，ACO)是一种迭代寻优算法，其原理启发于蚁群觅食的群落行为。蚂蚁在觅食过程中会在道路上留下一定浓度的信息素，并会选择信息素较多的路径行走，在相同时间内最短路径上蚂蚁经过的次数最多，这条路径含有的信息素最多，从而得出一条最佳路径。该算法模拟蚁群觅食这一过程，其优点是可以进行全局寻优，并且可以进行并行计算，方便计算机实现。其缺点在于计算量大，并且容易陷入局部最优解。

路径规划概述

神经网络算法是一种表现很优秀的仿生智能算法，在人工智能领域中有着很广泛的应用。其思想主要来自生物神经网络行为，可用于实现分布式并行信息处理。神经网络具有非常优秀的学习能力，而且学习能力鲁棒性强。但是将其运用于路径规划时，效果并不理想，因为复杂的环境很难用公式进行描述。不过，将该算法与其他算法结合用于路径规划却是一个很好的尝试。

路径规划概述

遗传算法是一种应用广泛的智能算法，是人工智能领域的一个重要分支。算法思想来源于达尔文生物进化论中的遗传选择和优胜劣汰的自然法则，是一种迭代求解的优化算法。其通过建立与基因遗传学原理相似的数学模型来模拟基因的交叉、变异、选择、适者生存的过程来解决问题。遗传算法最大的优点是可以通过与其他算法相结合来进行迭代寻优。

知识拓展

路径规划的主体是路径计算，即规划一条从起始地到目的地的一条合理路径，路径计算采用的算法是A*算法，实现A*算法还需要一些辅助步骤，以提高程序运行的效率。因此在内部把路径规划模块细分为路径计算模块、内存管理模块、数据缓冲模块和快速查表模块，其主体是路径计算模块，其他模块处于从属地位，也就是说，其他模块是为计算模块提供辅助支持。

路径计算模块需要实现起始点\目的地的定位、数据初始化、路径计算等功能。

知识拓展

在路径计算过程，需要维护一个Open表和Close表。当扩展一个节点的时候，需要把与该节点相邻接的节点放入Open表，而把该节点放入Close表，因此会频繁地从内存区域申请小块内存以存放节点信息到Open表中，如果使用默认的系统的内存管理，会造成系统性能下降。因此要实现自己的内存管理，内存管理模块主要实现一个内存池，该内存池对内存分配、释放以及回收进行管理，以提高程序运行的效率。

知识拓展

全国的道路网分割成相同大小的区域（块），路径规划时可以分批次加载路网数据，以避免一次性加载所有道路的网络数据，缓冲模块主要管理路径计算时对文件的I/O操作。快速查表模块主要实现一个哈希表，以快速在Open表和Close表中进行定位。

谢谢观看