10.16638/ki.1671-7988.2019.16.014无人驾驶电动赛车路径规划算法研究冀同涛，李刚，王明家，张旭斌（辽宁工业大学汽车与交通工程学院，辽宁锦州121001）摘要：针对大学生无人驾驶方程式大赛，提出一种适合无人驾驶电动赛车的路径规划算法。
该算法利用坐标转换原理，在全局坐标系下分别提取两侧桩桶点，最终得到离散点集。
离散点之间用弧线进行连接，并且保证曲线的平滑性。
在MA TLAB环境下进行对无人驾驶赛车的路径规划仿真。
仿真结果表明：该算法能较好地规划出行驶路径，曲线平滑，可以使赛车安全可靠地通过赛道。
关键词：无人驾驶；路径规划；离散点集中图分类号：U471.15 文献标识码：A 文章编号：1671-7988(2019)16-37-03Research on Path Planning Algorithm for Unmanned Electric RacingJi Tongtao, Li Gang, Wang Mingjia, Zhang Xubin（College of Automotive and Transportation Engineering, Liaoning University of Technology, Liaoning Jinzhou 121001）Abstract: A path planning algorithm for unmanned electric racing cars is proposed for the unmanned driving formula of college students. The algorithm uses the principle of coordinate transformation to extract the bucket points on both sides in the global coordinate system, and finally obtains the discrete point set. The discrete points are connected by an arc and the smoothness of the curve is guaranteed. Path planning simulation for unmanned racing cars in MA TLAB environment. The simulation results show that the algorithm can better plan the driving path and the curve is smooth, which can make the car pass the track safely and reliably.Keywords: driverless; path planning; discrete point setCLC NO.: U471.15 Document Code: A Article ID: 1671-7988(2019)16-37-03引言近年来，随着互联网技术和人工智能的迅速发展，无人驾驶汽车技术得到了长足的发展。
中国大学生无人驾驶方程式大赛是大学生接触无人驾驶技术的重要平台，该赛事要求赛车具有良好的环境感知、定位、路径规划以及车辆控制能力，路径规划在其中起到关键作用。
目前，路径规划的方法大致分为传统算法和智能仿生算法[1]。
传统路径规划算法主要有：①基于栅格地图的图搜索路径规划算法[2]。
②快速搜索随机树算法。
③基于最优化曲线生成的路径规划算法[3]。
④人工势场法[4]。
智能路径规划算法主要有：①基于蚁群算法的路径规划。
②基于遗传算法的路径规划[5]。
③基于人工神经网络的路径规划[6]。
路径规划的方法的选择与行驶场景有关。
本文提出一种适合无人驾驶电动赛车的路径规划方法，该方法能够使赛车安全可靠地通过赛道，保证车辆行驶稳定性。
1 赛事赛道分析该赛事动态比赛有四项，分别为直线加速、8字绕环、高速避障和耐久测试。
高速避障项目中赛道信息未知，这充分考验了赛车环境感知、导航定位、路径规划和车辆控制的作者简介：冀同涛（1995-），男，硕士研究生，就读于辽宁工业大学汽车与交通工程学院，主要研究领域为车辆系统动力学及控制。
37汽车实用技术38 综合能力。
本文主要研究适合高速避障项目的路径规划方法。
赛道两侧桩桶颜色不同，赛车需要根据相机和激光雷达识别桩桶位置和颜色信息。
在得到桩桶信息后，对赛车进行路径规划，使赛车平稳、安全地通过赛道。
图1 高速循迹测试赛道示意图2 无人驾驶电动赛车路径规划算法赛车通过相机和激光雷达识别到桩桶信息，在得到这些信息后，路径规划模块需要做的是对其进行处理，得到能使赛车快速平稳地通过赛道的路径。
在桩桶作为标识物的情况下，采用离散点拟合曲线得到行驶路径的方法效果较理想。
那么，获得行驶路径的离散点是一个关键点。
为解决这个问题，本文提出了一种无人驾驶电动赛车路径规划算法，算法步骤如下：（1）首先根据桩桶颜色信息将桩桶分为两侧，将其中一侧桩桶通过圆弧连接成曲线，假设桩桶一侧生成的曲线为L ，将L 离散化，得到有n 个点的点集。
（2）另一侧桩桶坐标为(X i ,Y i )，搜寻在L 上距离(X i ,Y i )最近的点。
通过判断(X i ,Y i )到点集的距离d 是否最小找出对应点(x i ,y i )。
（1）（3）由桩桶位置和距离桩桶最近点的位置求出中点坐标（XM i,YM i ）。
（2）（4）由得出的离散点进行曲线拟合。
拟合曲线形式为弧线。
根据圆弧的知识，可知通过两点以及其中一点的切线方向的圆弧有且只有一个。
曲线的起点为第一个离散点（XM 1,YM 1）。
第二个离散点为（XM 2,YM 2），以此类推。
第一段圆弧由前两个离散点以及第一个离散点所对应的斜率k 1求出；为保证路径的平滑性，从第二段圆弧开始由两个离散点以及前一段圆弧终点的切线方向进行求解。
每段圆弧的圆心坐标为(xc i, yc i )。
（3）（4）（5）其中，k i 为各段圆弧起点到圆心的斜率，e i 为相邻离散点所连线段的中垂线的斜率，(X mid ,Y mid ) 为相邻离散点的中点坐标。
由式（5）可得圆心（xc i ,yc i ），进而求出各段圆弧方程：（6）其中，R 为离散点到圆心的距离，θ取值范围可由离散点确定。
3 仿真验证在matlab 环境下对该算法进行仿真验证。
首先确定用于仿真的赛道形状，这里采用S 弯赛道。
S 弯赛道相对而言是比较复杂的，有一定的验证信度。
仿真结果如图所示：图2 赛道桩桶示意图图3 路径规划效果图图2为matlab 环境下模拟的S 弯赛道，赛道宽度为3米，且桩桶点不是对应出现，两侧桩桶分别为不同的颜色。
该赛道能较好地验证算法的有效性。
由图3可知，该路径规划算法能较好地规划出通过赛道的路径，保证赛车行驶路径基本处于赛道中间位置，而且规划出来的路径连续光滑，符合汽车运动学规律，为车辆路径跟踪控制模块奠定了基础。
4 结论（1）本文针对大学生无人驾驶 （下转第45页）张旭斌 等：无人驾驶汽车轨迹解算及跟踪控制研究45图2 60km/h 仿真跟踪轨迹点图3 60km/h 前轮转角4 结论（1）本文针对无人驾驶汽车中的轨迹解算与跟踪控制这 一关键技术，采用了一种关于时间t 的三次分段参数轨迹方程方法，计算出每一时刻的轨迹点信息。
（2）搭建了车辆二自由度运动学模型，结合线性二次型最优控制算法构成反馈控制，在MATLAB 中编写了控制程序，进行了实验仿真验证。
实验表明，这一方法能够解决无人驾驶车辆中的轨迹解算与跟踪控制这一关键技术，并且具有良好的跟踪精度。
参考文献[1] 马腾.无人驾驶车辆轨迹跟踪分层协调控制方法研究[D].大连理工大学,2017.[2] 王星,赵海良,王志刚.基于邻域系统的智能车辆最优轨迹规划方法[J/OL].智能系统学报:1-8[2019-05-24].[3] 谷广.考虑驾驶特性的智能车辆协同换道轨迹规划[D].华南理工大学,2018.[4] 谢勇波,李熙,朱田,冯拔.基于预瞄理论的智能驾驶客车轨迹跟踪控制方法研究[J].客车技术与研究,2018,40(06):1-5.[5] 由智恒.基于MPC 算法的无人驾驶车辆轨迹跟踪控制研究[D].吉林大学,2018.[6] 黄海洋,张建,王宇,王御,刘金波.基于多点预瞄最优控制的智能车辆路径跟踪[J].汽车技术,2018(10):6-9.（上接第38页）方程式大赛，分析了赛事赛道信息，并提出一种适合无人驾驶电动赛车的路径规划方法。
（2）该路径规划方法可规划出连续光滑，基本处于赛道中间的曲线，使赛车可以安全可靠地通过赛道，且受赛道形状局限性小。
对于无人驾驶车辆路径规划研究有一定的助力。
参考文献[1] 张思远.智能汽车路径规划与跟踪控制仿真研究[D].吉林大学,2018.[2] 王旭,刘毅,李国燕.基于改进Dijkstra 算法的移动机器人路径规划[J].天津城建大学学报,2018,24(05):378-381+386.[3] 姜岩,龚建伟,熊光明,陈慧岩.基于运动微分约束的无人车辆纵横向协同规划算法的研究[J].自动化学报,2013,39(12):2012-2020. [4] 郭枭鹏.基于改进人工势场法的路径规划算法研究[D].哈尔滨工业大学,2017.[5] 王雷,李明.改进自适应遗传算法在移动机器人路径规划中的应用[J].南京理工大学学报,2017,41(05):627-633.[6] 宫孟孟.基于神经网络的移动机器人路径规划方法研究[D].哈尔滨工业大学,2017.。