针对现有非结构化环境下的无人车辆全局路径规划的安全性和稳定性问题,提出了一种考虑车辆斜坡侧翻稳定性的EA-A^(*)算法(evaluation of adaptation A^(*),EA-A^(*))。建立车辆在斜坡时的动力学模型,获取车辆在斜坡安全行驶的极限参数;...针对现有非结构化环境下的无人车辆全局路径规划的安全性和稳定性问题,提出了一种考虑车辆斜坡侧翻稳定性的EA-A^(*)算法(evaluation of adaptation A^(*),EA-A^(*))。建立车辆在斜坡时的动力学模型,获取车辆在斜坡安全行驶的极限参数;基于数字高程模型(DEM)提取坡度模型、起伏度模型和粗糙度模型并整合成具有各个地形参数的适应度地图模型;增加车辆侧翻稳定性约束完善代价函数,并采用自适应分辨率EA-A^(*)规划算法得到优化路径。仿真表明:相比传统三维A^(*)算法,EA-A^(*)算法所规划的路径更为合理,危险道路显著减少,平均坡度由30.43°降低到7.78°;采用了自适应分辨率的规划方法后减少了96.27%的规划时间,更满足现实需求。展开更多
文摘针对现有非结构化环境下的无人车辆全局路径规划的安全性和稳定性问题,提出了一种考虑车辆斜坡侧翻稳定性的EA-A^(*)算法(evaluation of adaptation A^(*),EA-A^(*))。建立车辆在斜坡时的动力学模型,获取车辆在斜坡安全行驶的极限参数;基于数字高程模型(DEM)提取坡度模型、起伏度模型和粗糙度模型并整合成具有各个地形参数的适应度地图模型;增加车辆侧翻稳定性约束完善代价函数,并采用自适应分辨率EA-A^(*)规划算法得到优化路径。仿真表明:相比传统三维A^(*)算法,EA-A^(*)算法所规划的路径更为合理,危险道路显著减少,平均坡度由30.43°降低到7.78°;采用了自适应分辨率的规划方法后减少了96.27%的规划时间,更满足现实需求。
