《改进人工势场法的移动小车动态避障路径规划》-工学论文，软件工程论文-论文范文参考-科学狗论文网

标题

改进人工势场法的移动小车动态避障路径规划

范文

唐小洁丁一航申勤贾成芬

摘要：为使移动小车更好地适应复杂的实际行车道路环境，实现动态障碍物环境下的路径规划，并解决传统人工势场法中的局部最小值问题，提高驾驶安全性，改进传统人工势场法中的障碍物斥力势场模型，并增加了速度斥力势场模型和道路边界约束斥力势场模型，同时将障碍物连锁网络结构与随机目标点法相结合，加入传统人工势场算法中。仿真结果证明了该改进方法的有效性，移动小车能避开局部最小值陷阱到达目标点，实现动态避障路径规划。

关键词：路径规划;人工势场法;动态环境;避障

DOI：10.11907/rjdk.192172开放科学（资源服务）标识码（OSID）：

中图分类号：TP319文献标识码：A 文章编号：1672-7800（2019）010-0152-05

0引言

路径规划是指在已知或未知的障碍物环境中，搜索出一条从起始位置到目标位置、最优或近似最优的无碰撞安全路径。目前，已知环境的路径规划技术已十分成熟，但在真实、复杂多变的未知行车道路环境中，对动态障碍物的避障问题仍有待进一步研究。

人工势场法是路径规划算法中一种常用的、发展已较为成熟高效的方法，其具有数学原理简单、计算量小、响应速度快、实时控制性能好等优点，因此常用于未知环境的局部路径规划，但也存在目标不可达、容易陷入局部最优、对动态环境适应性较差等问题。针对这些问题，文献提出一种辅助斥力环法，强调预防性避障，以实现对动态目标的追踪以及对拦截型障碍物的避障，但并未提及如何解决局部最小值问题;文献将其它规划算法与人工势场法相结合，在路径规划时间和路径平滑性上取得了一定的改进效果;文献为解决局部最小值问题，针对常见的4种环境场景，提出一种斥力偏转模型。但在以上文献中，避障环境均假设为无边界平面，因此其实用性仍有待提高。

本文考虑到实际行车道路环境，首先在人工势场算法中增加了道路边界约束以提高其实用性和安全性;其次将动态障碍物也纳入到障碍物环境中，充分考虑到动态障碍物速度，建立速度斥力场;之后改进障碍物斥力场模型，增加移动小车与目标点之间的距离，解决目标不可达问题;采用障碍物连锁网络结构，将密集的障碍物群体连锁为新的障碍物结构，使移动小车能绕开该群体，无碰撞地到达目标位置;最后为避免移动小车在陷阱区域因所受合力为零陷入局部最小值，采用随机目标点法使移动小车跳出陷阱到达目标点。

1传统人工势场法

人工势场的基本思想是将移动小车所处障碍物环境虚拟为引力场和斥力场。其中目标点对移动小车产生引力，使移动小车向目标点移动，障碍物对移动小车有斥力，使移动小车不与其发生碰撞。移动小车在路径上每一点所受合力即为引力与斥力的矢量和。在合力的引导下，移动小车从初始位置沿着势场下降最快的方向到达目标点。

1.2斥力场

斥力势场函数为：

1.3主要问题

1.3.1不符合实际行车道路环境

傳统人工势场法的障碍物环境是假定在无限大的区域平面内，而实际行车道路是有限的，所以实用性较差。

1.3.2动态环境路径规划能力差

由式（1）-式（4）可知，传统人工势场法只考虑了小车与目标点，以及障碍物之间的距离信息，因此通常用于静态环境的路径规划，对动态环境的适应性较差。当出现动态障碍物或动态目标点时，传统人工势场法会因为实时性较差而无法顺利到达目标点。

1.3.3目标不可达问题

当小车与目标点距离很近时，若目标点附近有障碍物，小车所受引力相对于此时极大的斥力近似为零，小车将一直在目标点附近徘徊而无法到达目标点。

1.3.4局部最小值问题

当局部区域出现多个障碍物时，若小车所受引力和斥力矢量和即合力为零，此时小车陷入局部势能最低点，产生局部最优解，导致小车在该处徘徊往复、停滞不前，路径规划失败。

1.3.5对复杂障碍物环境适应性差

当多个障碍物形成U型或C型的环绕型狭窄区域时，小车在所受合力引导下，极易掉入障碍物陷阱中发生碰撞而无法逃离。

2改进人工势场法

2.1斥力场改进

2.1.1道路边界约束斥力场建立

为解决上述传统人工势场法不符合实际道路行车环境的问题，建立道路边界约束斥力势场，通过势场给移动小车施加虚拟斥力，使其在道路边界线内行驶，从而限制了移动小车行驶区域。考虑到小车本身具有一定宽度，因此道路左右边界势场公式分别为：

2.1.2障碍物斥力场改进

由人工势场法中的引力与斥力公式可知，引力随着移动小车与目标点之间距离的缩短而减小，斥力会随着移动小车与障碍物之间距离的缩短而增大，因此小车得以避开障碍物到达正确的目标位置。但当目标点附近有障碍物时，移动小车会因为所受斥力太大、引力太小而产生目标不可达问题，所以在传统人工势场法的障碍物斥力场模型中，将移动小车与目标点之间距离也考虑进来，使移动小车在靠近目标点过程中，斥力也逐渐减小至零，以解决目标不可达问题。

2.1.3

速度斥力场建立

为改善人工势场法的动态环境规划能力，提高小车对动态障碍物的避障能力，以适应实际行车环境，将障碍物速度考虑进来，建立速度斥力场。速度斥力场函数为：

2.2障碍物连锁网络结构

当小车在障碍物比较密集的狭窄环境中行驶时，在目标点引力与多个障碍物斥力的共同作用下，极易进入狭窄区域，掉入陷阱中发生碰撞，或达到力平衡后陷入局部最小值。当多个障碍物呈U型或C型分布时，该情况尤其容易发生。针对该问题，本文拟采用障碍物连锁网络结构，将近距离密集分布的多个障碍物连锁起来，形成一个新的大障碍物，进行大范围区域避障。具体操作方法为：

（1）设定允许连锁距离D，搜索障碍物1周围是否存在与其距离小于D的其它障碍物，如果有，则与障碍物1距离最小的其它障碍物建立连锁。如图2所示，障碍物1与障碍物2建立连锁。

（2）分别作移动小车到障碍物1和移动小车到障碍物2的连接线并延长，形成图2中的斜线阴影区域。若有其它障碍物在该区域内，则视其被遮挡，不进行连锁。图2中障碍物3被遮挡，而障碍物4未被遮挡。该过程在算法中的实现方法如图3所示，连接OA、OB、AC、BC，然后进行向量叉乘。若向量OA x OB与向量CA x CB异号，且向量AO x AC与向量Bo x BC异号，则可判定C点处的障碍物3被遮挡。

（3）选择其它未被连锁或遮挡的障碍物，重复步骤（1）和（2）。

2.3随机目标点法

在复杂的障碍物环境中，为更好地解决局部最小值问题，除采用障碍物连锁网络结构外，还可结合应用随机目标点法。由于局部最小值的出现是因为移动小车所受合力为零，所以只要打破力的平衡，即可使小车逃出陷阱。本文在道路终点处原有目标点左右两侧各取一段距离，当与目标点距离大于设定阈值G时，用该距离范围内的随机点代替原有目标点，以此改变目标点对小车的引力值，破坏力的平衡，从而使移动小车总体仍朝着目标方向前进。当与目标点距离小于设定阈值G后，则再次更改回原有目标点。

3算法实现与仿真分析

3.1算法实现

为弥补传统人工势场法的不足，本文对斥力势场函数进行改进，以适应复杂的障碍物环境，并结合障碍物连锁网络结构与随机目标点法改善局部最小点问题。算法实现步骤如下：

第1步：建立移动小车定位坐标系。

第2步：设置障碍物，初始化移动小车各项参数，确定引力场系数、斥力场系数、与目标点设定距离阈值G和障碍物允许连锁距离D。

第3步：统计移动小车传感器探测范围内的障碍物，对障碍物进行连锁，将被遮挡障碍物设置为传感器无法探测。

第4步：计算移动小车与目标点之间的引力。

第5步：计算障碍物位置斥力和速度斥力。

第6步：计算道路左右边界斥力。

第7步：根据虚拟力值确定移动小车下一步坐标值。

第8步：计算移动小车到目标点距离。如果小车到目标点距离大于给定值，则利用随机目标点法使目标点位置进行随机变动，由此使小车逃离局部最优解。

第9步：判断移动小车到目标点距离是否小于设定阈值G，如果是，则认为已到达目标点，如果不是，则转到第2步。

3.2算法仿真分析

为验证改进方法是否有效，本文采用MATLAB软件进行仿真分析。在软件中建立长40m、宽7m的黄色车道，左右红色三角形符号分别代表起始点和目标点，黑色圆形代表静态障碍物，最小的蓝色小圆点代表动态障碍物，例如道路上的行人。动态障碍物运动并留下蓝色轨迹线，障碍物信息由移动小车车身上所带传感器获取。

图5为只改进了斥力势场函数后的仿真结果，红色线为移动小车运动轨迹线，可以看到在既有静态障碍物也有动态障碍物的复杂环境中，移动小车成功规划出一条从起始点到目标点的安全无碰撞路径（彩图见封三）。

图6（a）为当车道中增加障碍物A，形成障碍物陷阱1后，仅改变了斥力场函数的移动小车掉入陷阱中发生碰撞，路径规划失败。但在算法中添加障碍物连锁网络结构后，障碍物陷阱中的各个障碍物连锁成为一个整体，小车安全绕过该陷阱，如图6（b）所示。

图7为当移动小车运动到障碍物陷阱2处后，小车受到的合力为零，陷入局部最小值。小车在此处绕圈且停滞不前，无法到达最终目标点。图8中红色叉形符号代表起始点和随机目标点，其仿真结果说明在采用沿原目标点上下跳动的随机目标点后，由于目标点位置已发生改变，小车所受引力值和斥力值之和不再为零，因此小车得以确定下一步前进方向，从而跳出陷阱区域2。在行驶至离原目标点距离小于设定阈值后，移动小车重新更改为以原目标点为终点，最终路径规划成功。

4结语

为解决传统人工势场法动态环境路径规划能力差、容易陷入局部最小值及目标不可达等问题，更好地适应复杂的实际行车道路环境，本文作了以下幾方面改进：首先建立道路边界约束势场，改进障碍物位置斥力势场，增加障碍物速度斥力势场，以完成对动态障碍物的避障，并解决目标不可达问题;其次针对密集障碍物群形成的U型或C型障碍物陷阱，采用障碍物连锁网络结构，将障碍物群连锁为一个新的障碍物，以避免智能小车掉入陷阱发生碰撞或陷入局部最小值;最后为更好地解决局部最小值问题，采用随机目标点法改变目标点位置，从而使小车在到达目标点前所受合力不为零。通过Matlab仿真结果可知，该改进方法是有效的，但其在复杂环境下规划出的路径仍然存在不够光滑及非最短等问题，有待后续进一步完善。

随便看

科学优质学术资源、百科知识分享平台，免费提供知识科普、生活经验分享、中外学术论文、各类范文、学术文献、教学资料、学术期刊、会议、报纸、杂志、工具书等各类资源检索、在线阅读和软件app下载服务。