高动态环境下智能车局部路径规划研究
| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第一章 绪论 | 第10-20页 |
| 1.1 研究背景与意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-17页 |
| 1.2.1 国内外智能车研究现状 | 第12-13页 |
| 1.2.2 国内外规划决策算法研究现状 | 第13-17页 |
| 1.3 研究内容 | 第17-18页 |
| 1.4 章节安排 | 第18-20页 |
| 第二章 智能车运动规划综述 | 第20-32页 |
| 2.1 智能车运动规划定义与设计准则 | 第20-22页 |
| 2.2 智能车运动学模型 | 第22-25页 |
| 2.3 基于图搜索的路径规划方法 | 第25-27页 |
| 2.3.1 混合A*算法原理 | 第25-26页 |
| 2.3.2 图搜索节点扩展方法 | 第26-27页 |
| 2.4 基于随机采样的路径规划方法 | 第27-31页 |
| 2.4.1 基本RRT算法原理 | 第28-29页 |
| 2.4.2 连续曲率RRT算法介绍 | 第29-31页 |
| 2.5 本章小结 | 第31-32页 |
| 第三章 基于多约束优化的局部路径规划算法 | 第32-58页 |
| 3.1 引言 | 第32-33页 |
| 3.2 路径规划多约束优化模型建立 | 第33-41页 |
| 3.2.1 障碍物约束及其目标函数建立 | 第35-37页 |
| 3.2.2 速度与加速度约束条件以及目标函数建立 | 第37-39页 |
| 3.2.3 运动学和几何约束目标函数建立 | 第39-40页 |
| 3.2.4 时间最短约束条件及目标函数建立 | 第40-41页 |
| 3.3 高维图模型的多目标优化求解 | 第41-45页 |
| 3.3.1 高维图模型建立 | 第42-44页 |
| 3.3.2 图优化求解方法 | 第44-45页 |
| 3.4 实验结果与分析 | 第45-57页 |
| 3.4.1 系统架构及流程 | 第45-47页 |
| 3.4.2 实验结果与分析 | 第47-57页 |
| 3.5 本章小结 | 第57-58页 |
| 第四章 结构化道路下智能车局部路径规划的应用 | 第58-80页 |
| 4.1 引言 | 第58-59页 |
| 4.2 笛卡尔坐标系与S-D坐标系转换 | 第59-61页 |
| 4.3 智能车换道决策方法 | 第61-65页 |
| 4.3.1 智能车换道决策条件分析 | 第62-64页 |
| 4.3.2 速度与加速度规划 | 第64-65页 |
| 4.4 换道轨迹规划 | 第65-69页 |
| 4.4.1 初始路径确定以及评价标准设计 | 第65-68页 |
| 4.4.2 车辆局部路径优化 | 第68-69页 |
| 4.5 实验结果与分析 | 第69-79页 |
| 4.5.1 仿真平台及软件架构 | 第69-71页 |
| 4.5.2 实验结果与分析 | 第71-79页 |
| 4.6 本章小结 | 第79-80页 |
| 第五章 总结与展望 | 第80-82页 |
| 5.1 总结 | 第80页 |
| 5.2 展望 | 第80-82页 |
| 致谢 | 第82-83页 |
| 参考文献 | 第83-88页 |
| 攻读硕士学位期间取得的成果 | 第88页 |
