TaO-Planner：面向自动驾驶卡车矿场运输道路双车道路径规划的混合拓扑与优化方法

《IEEE Transactions on Vehicular Technology》：TaO-Planner: A Hybrid Topology-and-Optimization Method for Two-Lane Path Planning on Mining Haul Roads for Autonomous Trucks

　　**摘要：**自动驾驶运输系统对于提升大型露天采矿作业的安全性和生产效益至关重要。与结构化的城市道路不同，矿区运输道路未铺设路面、形状不规则且宽度变化剧烈，给路径规划带来了独特挑战。路径规划需确保超大型卡车的安全性和运动学可行性，同时尽可能通过双车道通行来最大化道路通行能力。高效的双车道路径对于维持吞吐量至关重要，因为仅依赖单车道行驶会显著降低整体效率。然而，现有大多数方法仅关注单车规划，忽视了在这些受限环境中车辆交互和会车可行性的重要作用。此外，传统方法通常在计算效率与求解质量之间面临权衡，尤其是在处理碰撞避障约束和大规模问题时尤为突出。本研究提出了一种两阶段的拓扑与优化混合方法。首先，从不规则道路边界中提取拓扑骨架，然后通过数值优化将其细化为运动学可行的参考线。其次，以该参考线为锚点构建线性化的路径间碰撞避障约束，并通过数值优化生成双车道路径。仿真结果表明，与现有双车道规划方法相比，所提方法将计算时间减少了77.7%，平均曲率降低了9.0%。实车测试表明，规划路径具有良好的可跟踪性，其横向和航向跟踪误差的均方根值分别为0.19 m和2.16°。