optaweb-vehicle-routing-master.zip

用强化学习进行路径规划，各种强化学习的算法，适合从一开始进行学习，加实践代码哦

基于三维栅格地图的移动机器人路径规划，张彪，曹其新，面向移动机器人路径规划问题，研究了基于三维栅格地图的路径规划方法。首先使用装载三维激光扫描仪的移动机器人收集环境点云，将

路径规划算法——人工势场法，作者纯手工打造。人工势场法路径规划是由Khatib提出的一种虚拟力法(Oussama Khatib，Real-Time obstacle Avoidance for Manipulators and Mobile Robots. Proc of The 1994 IEEE.)。它的基本思想是将机器人在周围环境中的运动，设计成一种抽象的人造引力场中的运动，目标点对移动机器人产生"引力"，障碍物对移动机器人产生"斥力"，最后通过求合力来控制移动机器人的运动。应用势场法规划出来的路径一般是比较平滑并且安全，但是这种方法存在局部最优点问题。

首先，应用泊车基本知识建立了车辆运动学模型。通过调研泊车的研究现状和应用 现状，确定了本文的结构。建立车辆和车位的模型并介绍相关参数，根据阿克曼转向几何，建立了车辆运动学模型，得出车辆运动轨迹与泊车速度没有关系，同时简要说明了泊车对速度的要求。其次，对平行泊车路径规划进行研究。针对不同的车位，对圆弧相切平行泊车路径规划法和库内双步调整平行泊车路径规划法进行研究和仿真，仿真结果表明两种泊车方法都能使车辆顺利泊车入位，其中库内双步调整泊车方法能够在更小的车位里实现泊车。考虑到车辆自身约束，由于圆弧相切路径规划轨迹的切点处存在曲率突变，采用五阶多项式曲线对该轨迹进行了优化，解决了相切点处曲率突变的问题。然后，运用设计的模型预测控制器对平行泊车规划路径进行跟踪研究。结合路径跟踪和模型预测控制算法，基于车辆运动学模型建立了车辆泊车路径跟踪控制器，以不同车位情况下的平行泊车路径规划的轨迹进行跟踪仿真研究，并与同等条件下 PID 算法进行对比。仿真结果表明，该控制器能够在标准车位的圆弧相切的规划路径和小车位的库内双步调整泊车规划路径中均可实现轨迹的踪，相对 PID 控制，该控制器路径跟踪更加稳定、误差更小，可以实现泊车。 最后，进行平行泊车路径规划与跟踪的实验验证—设计开发了自动平行泊车控制系 统。确定了以 STM32F103C8T6 为控制器，配备有电机驱动、舵机、传感器、通信模块、显示模块等硬件的实验小车。实验小车的软件部分主要分为遥控模块和泊车控制模块两部分，小车不仅要实现平行泊车的功能，还要在泊车过程中实时监测小车的航向角、速度和位移等。在实验室里搭建了泊车环境并进行了平行泊车实验，实验结果表明，该控制系统在实验室中可以实现圆弧相切路径规划的平行泊车功能，同时对实验结果进行分析，并提出改进措施。

首 先 ，建 立 了 魔 术 轮 胎 模 型 、线 性 轮 胎 模 型 。在 此 基 础 上 ，建 立 了 非线 性 车 辆 动 力 模 型 ，将 非 线 性 车 辆 模 型 进 行 简 化 、线 性 化 得 到 线 性 车 辆 模型 ；根 据 运 动 学 建 立 点 质 量 车 辆 模 型 。其 次 ，研 究 无 迹 卡 尔 曼 滤 波 算 法 ，结 合 离 散 后 的 非 线 性 车 辆 模 型 ，对 路 面 附 着 系 数 估 计 。再 次 ，提 出 采 用 非均 匀 B 样 条 曲 线 构 造 避 撞 路 径 模 型 ； 根 据 紧 急 避 撞 工 况 中 的 场 景 信 息 生成 避 撞 路 径 簇 ；构 建 乘 员 舒 适 性 指 标 最 优 的 目 标 函 数 ，添 加 防 侧 滑 约 束 和路 面 附 着 系 数 约 束 ，优 化 出 乘 员 舒 适 性 最 佳 的 避 撞 路 径 。最 后 ，采 用 PID控 制 器 对 车 辆 纵 向 速 度 进 行 跟 踪 ； 采 用 线 性 车 辆 模 型 设 计 模 型 预 测 控 制器 ，控 制 车 辆 前 轮 转 角 实 现 对 避 撞 路 径 的 跟 踪 控 制 ；为 了 保 证 车 辆 避 撞 时的 稳 定 性 ，将 质 心 侧 偏 角 约 束 加 入 到 模 型 预 测 控 制 器 中 ，同 时 ，根 据 路 面状 况 ， 添 加 路 面 附 着 条 件 约 束 。 利 用 Simulink 与 Carsim 联 合 仿 真 验 证 主 动 避 撞 算 法 的 可 行 性 。仿 真 结 果 表 明 ： 本 文 提 出 路 径 规 划 算 法 和 路 径 跟 踪 算 法 能 够 在 高 速 紧 急 避 撞工 况 下 完 成 避 撞 任 务 ， 并 且 提 高 乘 员 舒 适 性 以 及 保 证 车 辆 稳 定 性 。

为更加真实地反映行人横穿马路时的轨迹，建立了基于 Markov 的行人运 动学模型，以此作为行人避撞的模型基础。 ② 针对横向避撞路径规划问题，提出了基于行人轨迹的转向避撞规划方法。 在已知行人轨迹的基础上，使用改进的弹性带对车辆的避撞路径进行规划，并通过 车辆与行人的可达性分析来判断避撞路径是否需要更新，提高了路径规划的安全 性。 ③ 将路径规划算法与 RRT 算法、人工势场路径规划算法进行比较，分析其在 路径平顺性、安全性等方面的优势。研究表明了弹性带规划算法在行人避撞路径规 划上的优越性。 ④ 基于模型预测控制和车辆动力学模型，对已规划好的路径进行横向跟踪控 制，并通过划分车辆避撞区域来对纵向避撞控制策略进行分析。根据避撞场景、行 人位置和行人横穿马路时间等指标，提出了车辆对行人避撞的纵横向控制切换策 略，完善了车辆在多种工况下的行人避撞需求。 ⑤ 为进一步验证所设计的行人避撞控制系统的有效性，搭建了基于 Prescan 和 Carsim、Matlab\Simulink 的联合仿真实验平台，通过多组行人横穿马路工况的 仿真实验，验证了该系统在纵向避撞和横向避撞控制上的鲁棒性和安全性。

首先，详细介绍了本论文的研究现状、研究意义以及智能车主动避撞技术的发展现 状，详细介绍了当前智能车辆路径规划和轨迹跟踪控制技术的相关方法以及各种方法的长处与不足。本文结合 PID 控制和模糊控制两种控制算法的优势，确定了用模糊自适应PID 轨迹跟踪控制器作为避撞模型的轨迹跟踪层，以克服单一的 PID 控制器参数不能在线调节的弊端。为避免出现极限情况下跟踪不好的问题，确定了 MPC 控制算法在轨迹跟踪层的应用。为解决智能车辆在动态环境下轨迹规划问题，论文选用了模型预测轨迹重规划算法作为轨迹规划层。 其次，以前轮转向的智能车为研究对象，建立了车辆坐标系，建立了二自由度的智 能车辆动力学方程。在研究轨迹跟踪问题的过程中，详细介绍了模糊 PID 轨迹跟踪控制器和 MPC 轨迹跟踪控制器的建立过程，并在 Matlab/Simulink 环境中分别对其跟踪效果进行仿真。结果显示在车速为 18km/h、36km/h 和 72km/h 时，对于不同的跟踪轨迹（直线和双移线），两者都有较理想的跟踪效果。然后，论文详细介绍了模型预测理论在动态环境中轨迹重规划的应用，并据此建立了智能车主动避撞模型的轨迹规划器。为满足实时性和鲁棒性的需要，论文轨迹规划层采用了计算量较少的点质量车辆模型。 最后，论文利用前面建立的模糊 PID 和 MPC 控制器分别作为轨迹跟踪层，利用模型预测动态轨迹规划器作为轨迹规划层，搭建了轨迹规划+轨迹跟踪的双层控制器作为智能车主动转向避撞模型。最后在 Matlab/Simulink 环境中分别对其避撞效果进行仿真，结果显示，当车速为 18km/h、36km/h 时，该模型有较好的避撞效果，并在避撞之后能够及时跟踪原来的轨迹行驶；但当车速为 72km/h 时，由于车速较高，障碍物信息过早的加入会导致智能车较早进行轨迹重规划并偏离原来轨迹，但整体上来说该避撞模型都实现了避撞的设计目标。论文选用的轨迹规划和跟踪算法都能满足智能车主动避撞技术的要求。

本文针对现有的自动泊车路径规划方法中对于车辆初始位姿及泊车环境等限制要 求较多的问题，研究了满足车辆运动学约束和避障约束的泊车路径规划方法。同时，基于规划所得的路径，搭建了跟踪系统并进行了仿真验证。 首先，对自动泊车的车位检测进行研究，选取超声波传感器来感知车位及障碍物信 息，并实际开展了检测试验来验证其效果与精度。同时，根据阿克曼转向原理建立了车辆运动学模型，分析计算得出泊车时的低速运动方程。 其次，针对泊车环境存在较多限制的各种复杂场景及不同的泊车方式展开路径规划 研究。明确规划模块的整个设计流程，并对其中一些基础原理和前提条件做预处理以便于之后的说明。详细阐述了规划算法中的两个重要的子算法：简单连接算法及路径与障碍物碰撞检测算法，对其采取了仔细的计算和验证，方便后续使用。分别对平行泊车与垂直泊车给出了不同的规划方案，包括单步式泊入和多步式泊入。在此基础上，设计了探索机制，强化规划算法的冗余性，当泊车环境变化时能够及时调整从而保证规划成功，考虑到某些场景需要车头入式的泊车方法，提出了前向垂直泊车的路线。此外，为提升泊车的安全性和面对不同泊车环境时的适应性，提出了若干优化策略。 最后，搭建了路径跟踪控制模块，完成了自动泊车仿真试验。对比几种控制策略， 根据泊车的特点选取模糊控制器作为主要的跟踪控制方式，并详细阐述了模糊控制的隶属度函数及规则库等。针对规划路径中存在的曲率非连续的问题，提出了相应的跟踪模型。根据规划模块给出的泊车路线，利用 MATLAB/Simulink 软件联合仿真，验证路径规划及跟踪控制效果。结果表明，本文提出的规划算法具有较好的泊车精度及鲁棒性，对复杂的泊车环境适应性较强，有较重要的实际应用价值。

先，采取将超声波传感器和轮速脉冲传感器结合的方式实现车位的检测和泊车初始位置获取。为了提高测量数据稳定性和精度，防止单个雷达失效的情况，提出使用同侧的两个超声波雷达同时对车位进行探测，并结合基于相似度的数据融合方法得到更准确的车位信息。 然后，对车辆低速运动过程进行研究，建立了基于后轴中心为参考点的运动学模型，明确了该参考点在车速和方向盘转角输入下的运动规律，并将规律推广到车身各顶点。分析了单步平行泊车的车辆运动学条件和碰撞约束条件，并将其作为非线性约束，基于 B 样条曲线理论设计路径优化函数。在此基础上，选取多个泊车起点进行 MATLAB 路径规划仿真，验证了路径规划方法合理性。为了跟踪规划出的目标路径，先采用基于 EKF 的航迹推算方法滤除传感器中的噪声信号，得到精确的车辆局部定位信息。利用车辆实时位姿与目标路径的偏差，设计了基于模型预测控制的路径跟踪控制器，选取了合适的目标函数，将跟踪控制问题转换为凸优化的二次型最优求解问题，并对控制器参数选择问题进行研究。同时，介绍了广泛用于路径跟踪的一种纯追踪控制方法，用作控制器控制效果的对比验证。 通过 MATLAB/Simulink 与 Carsim 的联合仿真，对比模型预测控制和纯追踪 控制两种控制算法下的路径跟踪的位置误差和航向误差进行控制效果验证。最 后，在实车上验证了基于双超声波雷达数据融合的车位检测算法的有效性。并 进行了泊车系统控制策略的功能验证，通过 CAN 总线获取的实时数据进行误差 分析，证明了规划路径的合理性和路径跟踪控制器的有效性