申请/专利权人：中国人民解放军陆军装甲兵学院

申请日：2024-01-10

公开（公告）日：2024-06-25

公开（公告）号：CN117873090B

主分类号：G05D1/43

分类号：G05D1/43;G05D1/243;G05D1/246;G05D1/633;G05D105/22

优先权：

专利状态码：有效-授权

法律状态：2024.06.25#授权;2024.04.30#实质审查的生效;2024.04.12#公开

摘要：本发明提供一种自动驾驶车辆路径规划方法，包括以下步骤：基于无人机搭载的感知系统和定位导航系统建立地面环境的栅格地图，自动驾驶车辆获取无人机建立的栅格地图，并结合自身感知的环境信息修正补充栅格地图；根据修正补充后的栅格地图，建立以移动路径最短，或耗时最短，或消耗能量最少为约束的自动驾驶车辆路径规划的目标函数；根据目标函数，通过改进型海鸥优化算法进行最优位置更新，确定最优海鸥位置；根据预设的最大迭代次数依次更新的最优海鸥位置，确定最优路径规划结果。该方法克服了现有的路径规划方法存在的不足，能够显著提升自动驾驶车辆路径规划的效果。

主权项：1.一种自动驾驶车辆路径规划方法，其特征在于，包括以下步骤：基于无人机搭载的感知系统和定位导航系统建立地面环境的栅格地图，自动驾驶车辆获取无人机建立的栅格地图，并结合自身感知的环境信息修正补充栅格地图；根据修正补充后的栅格地图，建立以移动路径最短，或耗时最短，或消耗能量最少为约束的自动驾驶车辆路径规划的目标函数；根据目标函数，通过改进型海鸥优化算法进行最优位置更新，确定最优海鸥位置；根据预设的最大迭代次数依次更新的最优海鸥位置，确定最优路径规划结果；其中，所述改进型海鸥优化算法为：引入高斯映射初始化海鸥种群位置，并引入鼠群优化算法和野狗优化算法的位置更新机制改进海鸥位置更新方式，综合考虑不同位置更新模式、本次迭代海鸥最优位置、种群内部的其他海鸥平均位置、种群内部的随机海鸥的位置因素更新海鸥位置；所述改进型海鸥优化算法还包括，通过逐维度双向sine变异进一步进行最优位置更新；所述引入鼠群优化算法和野狗优化算法的位置更新机制改进海鸥位置更新方式，位置更新过程包括以下步骤：避免碰撞：为了避免与其他海鸥碰撞，采用附加变量SA计算海鸥的新位置；Cst＝SA×PstSA＝fc-t×fcMiter式中：Cst为不与其他海鸥存在位置冲突的新位置，Pst为海鸥当前位置，t表示当前迭代次数，Miter为最大迭代次数，SA表示海鸥在给定搜索空间中的运动行为；fc为控制系数，取值从2降到0；向最佳位置方向移动：在避免了与其他海鸥的位置重合之后，海鸥会向最佳位置所在的方向移动：Mst＝B×Pbst-PstB＝2×SA2×rd式中：Mst表示最佳位置所在的方向，Pbst表示第t次迭代的最佳位置，B是负责平衡全局和局部搜索的随机数；rd为[0，1]范围内的随机数；靠近最佳位置：海鸥移动到不与其他海鸥相撞的位置后，就朝着最佳位置的所在方向进行移动，到达新的位置：Dst＝|Cst+Mst|式中：Dst是海鸥的向新位置移动的距离；全局攻击行为：海鸥在攻击猎物过程中，通过螺旋运动不断改变攻击角度和速度，螺旋运动行为表示为： 式中：x、y、z为三个方向上的坐标，r是每个螺旋的半径；θ是[0，2π]范围内的随机角度值；u和v是定义螺旋形状的相关常数，均设定为1；e是自然对数的底数；引入鼠群优化算法和野狗优化算法的位置更新机制，改进后的海鸥位置更新公式如下： 其中：A＝R-t·RMiterC＝2×rand 其中：Pst+1为第i个海鸥第t+1次迭代的位置；Pst为第i个海鸥第t次迭代的位置；A为勘探参数；R为[1，2]范围内的随机数；Miter为最大迭代次数；C为开发参数；rand为[0，1]范围内的随机数；Pbst表示第t次迭代的海鸥的最佳位置；Pxt是表示第t次迭代时种群内随机选择的海鸥个体；β1是在[-2，2]区间内均匀生成的随机数；β2是在[-1，1]区间内均匀生成的随机数；λ1和λ2为[0，1]内的随机数；Pr1t、Pr2t和Pr3t是表示第t次迭代时随机选择的三个海鸥个体，r1≠r2≠r3；Pavgt是Pr1t、Pr2t和Pr3t的平均值；计算适应度值：fitnesst＝FfPst+1式中，Ff·为计算适应度值时的适应度函数；记录当次迭代中最优海鸥。

全文数据：

权利要求：

百度查询： 中国人民解放军陆军装甲兵学院 一种自动驾驶车辆路径规划方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD