一种基于等步长分层拓展的混合A^(*)路径规划方法

摘要

针对传统混合A^(*)算法搜索效率较低且搜索路径平滑性较差的问题,文章提出一种基于等步长分层拓展的混合A^(*)路径规划方法,可应用于非结构化道路场景,为智能车辆规划一条安全、平滑且满足车辆运动学约束的可行驶路径。其首先通过改进的子节点拓展方式和合理设计的启发式函数与代价函数,保证算法快速搜索得到一条较平滑的车辆可行驶路径;然后采用数值优化方法对搜索得到的路径进一步地优化平滑;最后针对路径点稀疏和不均匀的问题,采用三次样条曲线对路径点进行插值处理。仿真对比试验与实车试验结果表明,所提方法能显著提高路径搜索效率,与传统算法相比,平均搜索时间减少了51.6%,且搜索得到的路径具有足够的安全性和较好的平滑性。