.png){kind=icon}
返回
Reverse Search Heuristic Sampling-Based Path Planning Algorithm With Path Smoothing for Autonomous Vehicles
.png){kind=icon}
PRE
AI
DOI：10.1109/tase.2026.3719664.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
路径规划是自动驾驶的关键组成部分，特别是在缺乏明确可行驶通道且存在不规则障碍物的复杂非结构化环境中。在此类条件下，一种广泛采用的两阶段框架包括生成初始路径及其优化。本文提出了一种基于双向快速探索随机树（RRT）的路径规划算法，即反向搜索启发式RRT*（RH-RRT*），用于生成由Reeds-Shepp（RS）曲线组成的初始路径。与直接连接两棵树的传统双向树基路径规划算法不同，RH-RRT*采用反向搜索树作为启发式信息，从而实现更快的收敛速度。RS曲线固有的曲率不连续性给车辆跟踪控制带来挑战，因此采用基于优化的快速平滑算法对初始路径进行处理，以确保运动学可行性和平滑性。大量仿真和实际实验表明，所提出的算法在规划效率、路径平滑度和跟踪性能方面优于现有方法。我们将向研究社区开放代码，网址为https://github.com/zzb-zzb-zzb/RH-RRTstar.git实践者注：本工作的动机是为非结构化环境中的自动驾驶车辆开发一种两阶段路径规划算法。该算法的第一阶段是RH-RRT*，它专门针对使用RS曲线连接两个运动状态的最优采样基规划问题进行设计。算法的第二阶段是基于优化的路径平滑问题，旨在消除RS曲线中的曲率不连续性。采样基方法在复杂非结构化场景中表现出色，而优化基方法可提供精确的路径细化以满足严格的运动学约束。结合采样和优化的优势，整体算法可生成平滑且运动学可行的路径。
Keyword:
Path planning
rapidly-exploring random tree
path smoothing
autonomous vehicles
期刊
IF:
6.4
论文数:
5.1K
被引数:
1.6W
机构
引用论文
Adapted-RRT: novel hybrid method to solve three-dimensional path planning problem using sampling and metaheuristic-based algorithmsAdapted-RRT: 使用采样和基于元启发式算法解决三维路径规划问题的新型混合方法
.png){kind=icon}
PREAI
分享收藏
分享收藏
分享收藏Cooperative motion planning and control for aerial-ground autonomous systems: Methods and applications空中-地面自主系统的协同运动规划和控制: 方法和应用
PREAI
分享收藏
查看更多内容