1.一种基于动态变策略informed‑RRT*的无人车路径规划方法，其特征是按如下步骤进行：步骤1：

初始化无人车路径地图信息，利用地图信息膨胀技术对障碍物进行膨胀，构建地图模型；

步骤2：

采用动态步长和变策略人工势场法相结合在传统RRT*方法的基础上在栅格地图中进行采样以获取初始路径；将无人车的初始位置x1和目标点位置x2带入到公式计算引力和斥力，并结合得到无人车当前位置的合力及方向；

步骤3：

采用变策略人工势场法，当无人车距离目标点较远时，由于引力会过大而斥力相对较小，无人车路径会碰到在障碍物，针对该问题提出通过修正优化引力函数来解决，避免距离过大导致引力过大：式中：ε为引力尺度因子，x1为无人车的初始位置，x2为目标点位置，x3为障碍物位置，ρ(x1,x2)表示无人车目前节点位置与目标节点距离，Uatt1为无人车距离目标点较远时的优化引力函数，ρ(x1,x3)代表无人车与目标点之间的距离，在基础引力函数基础上增加限定范围，给定一个阈值d限定无人车与障碍物的距离，对应梯度也就是引力Fatt1相应的变为：当无人车附近有障碍物时，斥力将非常大而引力较小，无人车很难到达目标点，针对该问题引入一种新的斥力函数：式中：η是斥力尺度因子，ρ(x1,x3)代表无人车与障碍物之间的距离，ρ0表示障碍物斥力影响的半径，在原有的斥力场基础上，加入无人车与障碍物距离的影响，当无人车靠近障碍物时，虽然斥力在不断增大，但同时距离在不断减小，所以可以起到对斥力场的拖拽作用，相应斥力变成：式中：

根据变策略人工势场法所取得的合力系数采用动态步长策略得出新节点xnew的位置为：式中：λ为向路径随机节点方位生长的步长，k为变策略人工势场系数，kλ为朝向目标节点方向生长的步长，xnear为RRT随机扩展树每次扩展时在节点与最近的节点，xrand为每次拓展随机树时在自由区域随机选取的节点，xgoal为随机拓展树目标节点，xnew为每次拓展实际新增加的拓展节点，||xrand‑xnear||代表欧拉范数定义的xrand与xnear之间的距离||xgoal‑xnear||代表欧拉范数定义的xgoal与xnear之间的距离；

步骤4：

对于经过基于动态步长和变策略人工势场法优化后的RRT*方法剪枝后形成的有效节点集xnods，在有效节点集xnods中根据各个节点间的关系，逆行连接有效节点集xnods中的各个节点，输出初始路径；

步骤5：

随着传统informed‑RRT*搜索树的不断剪枝，椭圆采样范围也在不断地缩小，采样时间也随之减少，由此，大幅度节省RRT*的计算时间；

步骤6：

判断迭代是否结束，若没有则返回步骤5，迭代结束得到渐进最优路线；

步骤7：

对步骤6生成的路径点进行6次B样条曲线拟合优化路径，得到可实际应用的平滑路径，结束规划。