《智能网联汽车概论（活页式）》 课件 项目六知识点2：智能网联汽车路径规划.pptx

1智能网联汽车路径规划与决策控制智能网联汽车路径规划

2知识目标：1.能通过走访或查阅资料的方法，能复述传感器的融合方法。2.能通过对感知系统的资料查询，能说出环境感知传感器的感知内容及数据集。能力目标：1.能总结归纳调研报告，撰写智能网联汽车环境感知系统技术报告。2.能总结并归纳调研内容，准确识别智能网联汽车的硬件组成。素质目标：1.树立安全意识；2.培养8S现场管理意识。教学目标

3智能网联汽车如何实现路径规划与决策控制？1.路径规划路径规划是解决智能网联汽车如何达到行使目标问题的上层模块，它依赖于为智能联网汽车驾驶定制的高精度地图，与普通导航单纯提供指引的性质不同，智能网联汽车的路径规划模块需要提供能够引导车辆正确驶向目的地的轨迹。这些轨迹至少要达到车道级导航的水平，而且轨迹上影响车辆行驶的周边的环境也需要被准确描述和考虑。

4智能网联汽车如何实现路径规划与决策控制？1.路径规划路径规划模块需要根据局部环境感知、可用的全局车道级路径、相关交通规则，提供能够将车辆引导向目的地（或目的点）的路径。路径规划可分为全局路径规划方法、局部路径规划方法和混合路径规划方法三种。混合路径规划局部路径规划全局路径规划

5智能网联汽车如何实现路径规划与决策控制？1.路径规划路径规划技术是汽车自动控制技术的重要组成部分，根据环境信息的己知程度，全局路径规划是对全局环境已知，并根据算法搜索出最优或接近最优的路径。而局部路径规划则对环境局部未知或完全未知，通过传感器为自动驾驶提供有用的信息确定障碍物和目标点的位置，并规划起始点到目标点的最优化路径。

6智能网联汽车如何实现路径规划与决策控制？2.全局路径规划（1）格栅法栅格法是利用VB等软件对地图建模的一种方法。就是将障碍物模拟成小方格的集合，相当于将场景的所有事物进行二值化替代，障碍物为1，非障碍物为0。栅格法是地图建模的一种方法，栅格法实质上是将AGV的工作环境进行单元分割，将其用大小相等的方块表示出来，这样栅格大小的选取是影响规划算法性能的一个很重要的因素。栅格较小的话，由栅格地图所表示的环境信息将会非常清晰，但由于需要存储较多的信息，会增大存储开销，同时干扰信号也会随之增加，规划速度会相应降低，实时性得不到保证；反之，由于信息存储量少，抗干扰能力有所增强，规划速随之增快，但环境信息划分会变得较为模糊，不利于有效路径的规划。

7智能网联汽车如何实现路径规划与决策控制？2.全局路径规划（2）拓扑法将规划空间分割成具有拓扑特征的子空间,根据彼此连通性建立拓扑网络,在网络上寻找起始点到目标点的拓扑路径,最终由拓扑路径求出几何路径。拓扑法基本思想是降维法,即将在高维几何空间中求路径的问题转化为低维拓扑空间中判别连通性的问题。拓扑排序应用非常广泛，解决的问题的模型也非常一致。凡是需要通过局部顺序来推导全局顺序的，一般都能用拓扑排序来解决。除此之外，拓扑排序还能检测图中环的存在。

8智能网联汽车如何实现路径规划与决策控制？2.全局路径规划（3）可视图法。首先将自动驾驶视为一个点，然后将起点、障碍物和目标点的每个端点连接起来，并以直线连接各个端点，从而将路径规划问题转化为从起点到目标点的最短路径寻找问题。可视图法的优点是概念直观、简单，缺点是灵活性不好。当目标点或障碍物或起始点发生变化时，需要对视图进行重构，而且障碍物的数目越多，算法越复杂。

9智能网联汽车如何实现路径规划与决策控制？3.局部路径规划（1）遗传算法。遗传算法是自动驾驶路径规划常用的算法。该算法模拟达尔文的生物进化理论，结合进化中优胜劣汰的概念，是一种基于自然选择和遗传学原理的搜索算法。原理是模拟达尔文生物进化论的自然选择和遗传学机理的生物进化过程的计算模型，是一种通过模拟自然进化过程搜索最优解的方法。该算法通过数学的方式，利用计算机仿真运算，将问题的求解过程转换成类似生物进化中的染色体基因的交叉、变异等过程。

10智能网联汽车如何实现路径规划与决策控制？3.局部路径规划（2）蚁群算法。蚁群算法相对于遗传算法来说具有一定的记忆力。蚁群算法有多种原理，如觅食原理、避障原理和遗传算法。蚁群算法属于群智能优化算法，具有并行性。每一个粒子都能被主动优化，而遗传算法不能。

11智能网联汽车如何实现路径规划与决策控制？3.局部路径规划（3）神经网络神经网络可以通过大量实际驾驶行为数据，学习避障和路径规划中隐含的、难以人工设计并提取的特征。深度学习的基本模型包括基于受限玻尔兹曼机的深度信任网络、基于自动编码器的堆叠式自动编码器、卷积神经网络、递归神经网络。

12智能网联汽车如何实现路径规划与决策控制？3.局部路径规划（3）神经网络由于无需迭