（中国煤炭科工集团太原研究院有限公司 山西天地煤机装备有限公司 山西太原 030006）
摘要：伴随着科学技术水平的不断发展，各种全新的技术层出不穷，给人们的生活带来了十分强烈的冲击和震撼。无人驾驶技术就是其中之一。在无人驾驶技术之中，路径规划是它的一个重要组成部分。基于上述的原因，本文结合笔者多年的工作实践经验，就无人驾驶汽车运动规划方法进行了分析和思考，并提出了自己的看法和观点，通过和各位进行分享，希望能够给各位带来一些指导和帮助，进而提升有关领域研究水平的提高。
关键词：无人驾驶汽车；规划方法
在当前的情况下，全球交通事故出现的频率呈现出不断增加的趋势，在这样的情况下，给道路交通问题带来了全新的挑战。根据相关调查数据，我们可以知道，每年由于交通事故所死亡的人数高达125万，基于上述的原因，导致无人驾驶技术逐渐受到了越来越多的人所关注。在现如今，该项技术已经成为了一项热门的研究课题，因此，对无人驾驶汽车运动规则进行一定的分析，具有十分现实的价值和意义。
一、环境建模
在通常的情况下，车载雷达以及摄像头对目前的环境状况进行必要的反馈以后，局部路径规划器可以对所展现的环境信息进行必要的处理，通过这样的模式，来生成可以更加适应规则算法的模型。
所谓可视图法，故名思意就是指把环境之中的各种障碍物的尺寸与本车的尺寸进行相加并膨胀，并以此为基础，将障碍物描绘成为多边形，把本车描述成为质点，在上述任务全部完成以后，使多边形的顶点、起点以及终点进行连接，最终成为无碰路径网络。基于可视图法自身的实际特点，通常可以将其运用到静态环境之中，来对某些简单的障碍物几何特征进行必要的表达。在自由空间领域开展可视图法，在一定程度上，可以通过采取遗传算法，进而获得作为优化的路径。通过使用上述的策略，一方面能够让运算的效率实现了必要的提升，另一方面也可以在动态的情形下对低速障碍物可能行驶的空间进行预测，最终实现无碰撞网，具有一举两得的关键作用[1]。
网格分解法，在通常的情况下，它将环境描绘成为一种十分均匀的网格，往往是矩形或者三角形等等。对环境空间，网格法通过使用若干个矩形，来对其进行一定的分解，并且使用网格数组来对环境情况进行表示。在栅格数组之中，0一般代表着自由空间，而1则代表着障碍物，而对于那些一部分使障碍物，另一部分是自由空间的栅格，则依照其所占有的比例进行后续的划分。根据格栅法自身所具有的特点，在对其进行使用的时候，往往十分的简便，并且它的目的也相对来说更加容易实现，但是，此种模式也存在一定的缺陷，比如因为栅格的分辨率比较高，虽然让环境表示变得越来越精细化，但是从另一个层面讲，显著的提升了进行运算的数量。为了能够对这个情况进行一定的整改[2]，相关的工作人员可以在距离机器人比较近的地方，设置精细程度更高的栅格，而在距离相对来说比较远的地方，使栅格的精细程度不断的降低，就可以对上述问题进行妥善的解决。另外，在传统的栅格模式下，对于车辆系统的非完整性约束问题，不能很好的进行解决。面对这样的情况，工作人员可以将栅格的顶点定义成为一个包括位置以及航向信息的车辆状态，运用二位栅格来对环境的情况进行表达，一个栅格代表了一个概率值，这个概率值的作用是为了能够更加直观的显示出存在障碍的可能性，若是概率值的数值越大，就在一定程度上表明障碍存在的几率也越大，通过这样的方式，来对路径进行系统的规划。VFH是一种简单操作的反应式避障算法，缺少对选择避障方向的通行性评价，若是在极为狭小的空间之内来对路径问题进行规划，就会导致抖动的情况十分明显。
势场法所运转的主要思想就是把周围的环境表达成为相互具有引力以及斥力的势场。在一般的情况下，主要是将它们描述成为障碍物势场以及道路势场。将障碍物视为中心，来对本车具有一定的排斥市场，目标点对于本车来说，具有及其强大的引力作用。
正是由于人工势场法所具有的诸多优势，它的运转原理十分的简单，操作的速度也特别的高效，在这样的情况下，就使得其在许多领域都有着极为广泛的使用[3]。但是，此种方法也相应的存在一定的缺陷，主要是指其可能会陷入局部最优、在目标点附近存在某些障碍的情况下，就会出现不可到达的情况。在某些情形下，还会出现在狭窄通道抖动的情况。结合智能汽车路径规划方面所存在的问题，相关的机构提出了可以采取整合侧向规划的方案，进而对汽车非完整性进行一定的约束，最终实现得到最优路径以及做到对不同传感器的普遍适应性。在这个过程之中，采取人工势场的模式来对车辆周围的各种情况进行描述。第一，所应该首要关注的一个要求就是要满足汽车运动学以及动力学的相关要求，通过对基本的状态进行一定的拓展，在某种程度上可以得到更加多样化的路径方案，在此基础之上，采取启发式的模式，来对最为优异的路径进行必要的搜寻。
二、路径搜索算法
（一）树搜索算法
根据采用点的RRT思想，在现如今的阶段，进行环境随机采样工作。RRT算法往往可以划分成为三个阶段，分别是初始化阶段、生长树阶段以及最后的生成路径阶段。在开展初始化阶段的时候，主要是对起始点以及终点进行相应的定义，并向环境之中随机撒点，若是采样的点超出了障碍物的区域范围，在这样的情况下，就需要起始点进行必要的移动，通过这样的方式，来寻求到全新的节点。生长树阶段需要对无障碍的区域开展采点任务，要找到距离生长树最近的点，寻找到以后，在相应的移动一定的距离，就能够找到一个全新的子节点。在规划阶段，目标点已经被添加到了树上，因此，寻找到一条从起点到终点的最短路径是十分有可能的。RRT算法进行路径规划的优势在于高维空间可行，并且还能够准确的寻找到更加安全的路径。但是，此种方案同样也存在一定的缺点，那就是采取随机性的工作模式，可能导致前后寻找到的最优路径存在一定的差异。为了能够解决这个问题，工作人员首先应该对符合车辆动力学的直线，选择一个恰当的模板，在这个模板之上，采取RRT算法进行操作[4]。
（二）智能优化算法
智能水滴算法的工作机理就是因为水流通过对河床进行冲刷，会在表面留下一定的痕迹，在这样的情况下，含有泥沙较少的河床，其被泥沙冲走的往往更多。湖南大学潘鲁彬利用智能水滴法实现无人驾驶汽车避障功能，并与同类的PSO、AFSA等群落算法对比，表现出算法优越性。但是，优化算法可能导致收敛速度过慢的问题，从而陷入了局部最优化的弊端之中[5]。
三、结束语
总而言之，在当前的情况下，无人驾驶技术在未来的运用会变得越来越频繁，面对这样的情况，人们更加应该对其路径规划保持足够的重视，通过对路径进行合理的规划，一方面能够让车辆避免各种障碍，另一方面也可以降低各种教廷事故出现和发生的概率，对于该项技术的普及，具有十分重要的意义。
参考文献：
[1]杜明博. 基于人类驾驶行为的无人驾驶车辆行为决策与运动规划方法研究[D]. 中国科学技术大学, 2016.
[2]刘凯, 龚建伟, 陈舒平, et al. 高速无人驾驶车辆最优运动规划与控制的动力学建模分析[J]. 机械工程学报, 2018, 54(14):141-151.
[3]冯来春. 基于引导域的参数化RRT无人驾驶车辆运动规划算法研究[D]. 中国科学技术大学, 2017.
[4]张荣辉, 游峰, 初鑫男.车协同下无人驾驶车辆的换道汇入控制方法[J]. 中国公路学报, 031(4):180-191.
[5]韩月起, 张凯, 宾洋, et al. 基于凸近似的避障原理及无人驾驶车辆路径规划模型预测算法[J]. 自动化学报, 2020, 46(1).