针对无人驾驶车辆路径规划问题,基于快速扩展随机树(rapidly-exploring random tree,RRT)算法,提出了1种5次多项式曲线(quintic polynomial curve)与MT-RRT(multi-targeting rapidly-exploring random tree)的融合算法,即QPC-MT-RRT算...针对无人驾驶车辆路径规划问题,基于快速扩展随机树(rapidly-exploring random tree,RRT)算法,提出了1种5次多项式曲线(quintic polynomial curve)与MT-RRT(multi-targeting rapidly-exploring random tree)的融合算法,即QPC-MT-RRT算法。该算法根据无人驾驶车辆路径规划的相关理论,建立无人驾驶车辆路径规划问题的车辆运动学模型,为规划无人驾驶车辆最优、最高效、最安全路径提供理论依据。将上述算法在MATLAB上仿真,并在平均路径长度、平均路径规划时间、平均采样节点个数及节点利用率4个方面与基本RRT算法及MT-RRT算法进行了对比。仿真结果表明:5次多项式曲线与MT-RRT算法的融合算法具有最高的性能,可以规划出最优路径。展开更多
文摘针对无人驾驶车辆路径规划问题,基于快速扩展随机树(rapidly-exploring random tree,RRT)算法,提出了1种5次多项式曲线(quintic polynomial curve)与MT-RRT(multi-targeting rapidly-exploring random tree)的融合算法,即QPC-MT-RRT算法。该算法根据无人驾驶车辆路径规划的相关理论,建立无人驾驶车辆路径规划问题的车辆运动学模型,为规划无人驾驶车辆最优、最高效、最安全路径提供理论依据。将上述算法在MATLAB上仿真,并在平均路径长度、平均路径规划时间、平均采样节点个数及节点利用率4个方面与基本RRT算法及MT-RRT算法进行了对比。仿真结果表明:5次多项式曲线与MT-RRT算法的融合算法具有最高的性能,可以规划出最优路径。