基于改进 RRT 算法的智能汽车动态环境路径规划研究

燕梅 吴; 光法 范

doi:10.12345/bdai.v7i5.43611

研究文章

基于改进 RRT 算法的智能汽车动态环境路径规划研究

燕梅吴, 光法范

7 卷, 5 期 (2026) 页码 22-24 开放存取

摘要

随着智能网联汽车技术的发展，自动驾驶系统对路径规划的实时性提出了更高要求。路径规划是智能汽车自主驾驶的重要环节，能够根据环境信息生成可行驶路径。然而，传统R RT算法在复杂环境中存在随机性强、搜索效率低以及路径平滑性不足等问题。针对上述问题，本文对传统R RT算法进行改进研究。通过引入目标偏向采样策略，采用自适应步长调整方法，增强算法环境适应能力；结合路径平滑优化，提高规划路径质量。最后，通过MATLAB仿真实验对传统R RT算法与改进算法进行对比分析。实验结果表明，改进后的R RT算法在搜索效率、路径长度和路径平滑性方面均有所提升，能够有效提高智能汽车的路径规划能力。

关键词

智能汽车；路径规划；R RT算法；动态环境；算法优化

参考

LaValle S M. Rapidly-exploring Random Trees: A New Tool for Path Planning[R]. Iowa State University, 1998.

Karaman S, Frazzoli E. Sampling-based algorithms for optimal motion planning[J]. The International Journal of Robotics Research, 2011, 30(7): 846-894.

Gammell J D, Srinivasa S S, Barfoot T D. Informed RRT: Optimal sampling-based path planning focused via direct sampling of an admissible ellipsoidal heuristic[C]. IEEE International Conference on Intelligent Robots and Systems, 2014.

Reda M, Onsy A, Haikal A Y, et al. Path planning algorithms in the autonomous driving system: A comprehensive review[J]. Robotics and Autonomous Systems, 2024, 174:104630.

Teng S, Hu X, Deng P, et al. Motion Planning for Autonomous Driving: The State of the Art and Future Perspectives[J]. IEEE Transactions on Intelligent Vehicles, 2023.

Paden B, Čáp M, Yong S Z, Yershov D, Frazzoli E. A survey of motion planning and control techniques for self-driving urban vehicles[J]. IEEE Transactions on Intelligent Vehicles, 2016, 1(1):33-55.

王飞跃, 张建伟, 王涛. 智能汽车与智能交通系统的发展趋势研究[J]. 中国科学: 信息科学, 2018, 48(2):145-160.

李克强, 戴一凡, 杨殿阁. 智能网联汽车（ICV）技术的发展现状及趋势[J]. 汽车安全与节能学报, 2019, 10(1):1-10.

吴超仲, 刘海龙. 自动驾驶汽车路径规划技术研究综述[J]. 汽车工程, 2020, 42(5):589-598.

王辉, 李升波, 王建强. 自动驾驶车辆局部路径规划方法研究综述[J]. 汽车工程, 2021, 43(4):520-530.

摘要

关键词

参考

Refbacks