专利交易市场

本发明公开了一种基于粒子滤波的无人车动态避障方法，所述的无人车设置有总控制系统，以及分别与总控制系统连接的运动控制系统、惯性导航系统、激光雷达模块和IMU模块；所述的总控制系统中加载有地图和无人车操作系统ROS控制软件；所述的无人车通过IMU模块判断出无人车的速度与位置，通过激光雷达扫描无人车的周围环境，将扫描得到的图片与地图信息进行对比，先去除地图上已知的障碍物；再对剩余障碍物采用粒子滤波的方式进行采样，预测障碍物相对无人车的运动速度及运动趋势；采用DWA算法结合障碍物粒子滤波的方式，避开移动障碍物；当无人车距离移动障碍物达到安全距离后，继续沿着全局最优路径进行移动。

本发明涉及一种基于动态变策略informed‑RRT*的无人车路径规划方法。所述方法包括：首先，利用地图信息膨胀技术对障碍物进行膨胀，初始化地图信息，根据动态步长策略和变策略人工势场法相结合在传统RRT*方法的基础上在地图中进行采样，以获取初始路径；构建椭圆采样区间，随着搜索树在改进informed‑RRT*方法下不断剪枝优化，椭圆范围也在不断地缩小，采样时间也随之减少，最后进行6次B样条曲线拟合优化，仿真验证了所述方法的有效性。本发明能够降低传统informed‑RRT*的盲目性和随机性，减少路径搜索的时间，且规划的路径考虑了安全距离，路线更为平滑，符合无人车动力约束。

本发明涉及一种基于边界查找的双向跳点搜索无人车路径规划方法。所述方法包括：使用膨胀法对障碍物进行处理，采用栅格法划分搜索区域，将正向搜索和反向搜索的起始节点分别放入OpenList1和OpenList2中，从正向和反向进行跳点交替迭代搜索，利用边界查找优化水平和垂直方向的节点搜索和跳点识别，且将跳点分别添加到OpenList1和OpenList2中，采用改进的正向和反向启发式估价函数分别计算OpenList1和OpenList2中代价最小的跳点，直到正向和反向搜索的当前节点重合，搜索成功并保存正反方向搜索的路径节点即跳点坐标数据，采用微分平坦方法对生成的路径节点作曲线拟合。本发明可有效提高节点搜索和跳点识别效率，减少路径寻优时间，保证路径最优性，避免拟合后的路径与障碍物碰撞。