自动驾驶车辆局部路径规划：一种动态势场引导及力耦合自适应纯跟踪方法

《Scientific Reports》：Local path planning for autonomous vehicles: a dynamic potential field-guided and force-coupled adaptive pure pursuit approach

　　

摘要

局部路径规划对于在复杂非凸环境中运行的自动驾驶车辆至关重要。现有的几何规划器计算效率高，但通常会产生曲率不连续性以及难以执行的转向指令，而基于优化的方法通常需要更高的计算成本，并且可能在受限空间内出现数值振荡。为解决这些问题，本文提出了一种动态势场引导和力耦合自适应纯追踪框架，称为 i-APP，用于实时局部路径规划。该方法包括三个阶段。首先，速度自适应梯度 A* 搜索生成一条具有速度相关安全裕度的无碰撞初始路径。其次，动态人工势场通过确定性横向偏移来细化危险路径段，以提高障碍物间隙。最后，力耦合自适应纯追踪策略将障碍物排斥力映射到前瞻目标点，同时结合前向运动学积分和转向速率约束以提高轨迹可执行性。进行了仿真和实车实验，将 i-APP 与 APP、A*+APP 和 EMplanner 方法进行了比较。结果表明，i-APP 在提高轨迹平滑性和抑制曲率波动的同时减少了规划时间，表明其适用于障碍受限自动驾驶场景中的实时局部规划。