1.一种智能汽车自主避障方法,其特征在于,包括以下步骤:
步骤1,搭建汽车的行车环境模型;
步骤2,在行车环境模型中,获得起始点、障碍物、终点的位置信息;
步骤3,根据起始点、障碍物、终点的位置信息建立改进的势场函数,所述改进的势场函数包括吸引力函数、排斥力函数、合力函数、变速度函数;
步骤4,将吸引力函数、排斥力函数、合力函数、变速度函数应用于势场法中得到汽车避障路径;
步骤5,根据障碍物节点对得到的汽车避障路径进行分段化处理,得到分段化路径;
步骤6,采用最小化方法添加约束函数对分段化路径进行曲率及路径长度的约束,从而建立目标函数,再基于目标函数得到最佳避障路径。
2.根据权利要求1所述的智能汽车自主避障方法,其特征在于,步骤3中,吸引力函数的表达式为:其中,Fatt是终点对汽车的吸引力,L是在预设搜索范围内障碍物的数量,facatt是吸引力系数,distpg是汽车和终点的距离,n是运行迭代次数,vectpg是汽车相对终点的方向向量,e表示指数。
3.根据权利要求2所述的智能汽车自主避障方法,其特征在于,步骤3中,排斥力函数的表达式为:;
其中, 是障碍物对汽车的排斥力,facob是排斥力系数,distob是障碍物与汽车的距离,Lsafe是预设的安全距离,vectob是汽车相对障碍物的方向向量, 是障碍物对汽车的方向可变排斥力,Fre_sum是排斥力合力。
4.根据权利要求3所述的智能汽车自主避障方法,其特征在于,步骤3中,合力函数的表达式为:其中,Fsum是汽车所受到的合力, 及 是x和y方向的方向可变排斥力,θ是汽车的航向角。
5.根据权利要求4所述的智能汽车自主避障方法,其特征在于,步骤3中,变速度函数的表达式为:其中,v是汽车的实时速度,v0是汽车的初速度, 是汽车所受合力的负梯度函数,J是障碍物的总数量,vectsum是汽车所受合力方向向量。
6.根据权利要求5所述的智能汽车自主避障方法,其特征在于,步骤5满足以下条件式:其中,P(t)表示汽车避障路径,M表示障碍物的总数,P1(t)、P2(t)、PM(t)分别表示第1段避障路径、第2段避障路径、第M段避障路径,Q1表示第1段避障路径中离散轨迹点的数目,Q2表示第2段避障路径中离散轨迹点的数目,QM表示第M段避障路径中离散轨迹点的数目,表示第1段避障路径中的第i个轨迹点, 表示第2段避障路径中的第j个轨迹点, 表示第M段避障路径中的第k个轨迹点,t1、t2、tM分别表示通过第1段避障路径、第2段避障路径、第M段避障路径所需的时间。
7.根据权利要求6所述的智能汽车自主避障方法,其特征在于,步骤6中,约束函数和目标函数的表达式为:其中,C是约束函数, 和 是加权系数,Ccur和Clen分别是避障路径的曲率约束和长度约束, 是目标函数, 、 、 分别是第1段避障路径中的轨迹点集合、第2段避障路径中的轨迹点集合、第M段避障路径中的轨迹点集合, 、 、 分别是第1段避障路径、第2段避障路径、第M段避障路径对应的约束函数,T表示转置操作。