基于改进人工势场法的无人车路径规划算法研究

针对传统人工势场法路径规划中存在的局部极小值和目标不可达等问题，本文提出了一种人工势场法的改进方法。首先，定义障碍物的碰撞范围并建立基于角度的影响范围，排除无人车前方一定距离和角度内的任何障碍物，从而将它们的影响降到最低。其次，为了解决目标不可达问题，通过新增目标点与无人车的距离因子改进斥力函数。最后，针对局部极小值问题，在障碍物碰撞范围外创造虚拟目标点。利用Matlab对所提出的改进算法进行验证，仿真结果表明了规划算法的避障有效性、安全性以及可跟踪性。

近年来，无人驾驶车辆广泛应用于民用和军事领域，承担了智能运输、紧急救援以及军事行动等重要任务[1] [2] [3]。路径规划作为无人驾驶车辆领域关键技术之一，是无人驾驶车辆运动控制的基础，路径规划的有效性直接影响无人驾驶车辆平稳安全行驶的能力，也是环境信息感知系统和车辆智能控制的桥梁[4]。局部路径规划能够实时获取障碍物信息并进行实时规划，使无人车有更好的环境适应性，因此局部路径规划已成为国内外研究的热点。目前，常见的局部路径规划算法有遗传算法、模糊逻辑算法、神经网络算法、人工势场法等。人工势场法具有出色的实时避障能力，可以从周围环境采集车辆与障碍物的信息，规划出可行路径。这种方法不需要对全局环境进行搜索，具有实时性强、运行效率高、计算量小且规划路径平滑等诸多优点。因此，它适用于安全性和实时性要求较高的无人车驾驶车辆路径规划[5] [6] [7]。

人工势场法是一种广泛用于无人驾驶车辆路径规划的方法，但是存在目标不可达和局部最小值的缺点[8] [9]。近几年，研究人员针对传统人工势场法存在的缺陷提出了各种改进措施。Rostami 等[10]在传统人工势场函数中加入调节因子来绕过障碍物从而克服局部最小值和目标不可达问题；赵明等[11]提出自适应域–人工势场法，通过动态调节势场值来解决局部极小值问题，但是当障碍物影响范围较大时，这种方法会极大地增加所生成的运动路径；陈冠星等[12]通过新增虚拟目标点引导车辆走出陷阱区域， 虽解决了部分局部极小值的情况， 但是未解决目标不可达问题；Yao 等[13]从强化学习的视角来解决复杂环境问题， 将黑洞人工势场和强化学习结合来解决局部极小值的问题， 但在路径规划过程中会出现振荡现象；王迪等[14]提出基于虚拟目标点和环境判断的改进方法，实现无人车的局部路径规划，但在遇到陷入U型障碍物时规划出“沿壁走”的路径，此时规划出的路径并不是最优路径；马庆禄等[15]改进引力场函数的距离阈值和调节因子，解决了目标不可达的问题，但是没能解决局部极小值的问题。

针对传统人工势场法在路径规划中存在的不足，本文提出了以下解决方案：首先，定义障碍物的碰撞范围，排除无人车前方一定距离和角度内的任何障碍物，从而将障碍物对无人车的影响降到最低；其次，为了解决目标不可达问题，通过新增目标点与无人车的距离因子进行改进斥力函数；最后，针对局部极小值问题，在障碍物碰撞范围外作切线构造虚拟目标点。最终生成一条能够有效躲避障碍物且顺利