基于新型人工势场法的车辆避障路径规划研究方法

第
17卷第16期2017年6月 1671 —1815(2017) 16-0310-06
科学技术与工程
Science Technology and Engineering
Vol . 17 No . 16 Jun . 2017© 2017 S c i . Tech . Engrg .
基于新型人工势场法的车辆避障路径
规划研究方法
刘志强朱伟达 *倪婕张春雷
(江苏大学汽车与交通工程学院，镇江212〇13)
摘要针对道路交通环境车辆避障的复杂性，对传统人工势场法进行了改进，将其应用于车辆的避障路径规划；该方法建 立了道路边界危险斥力势场模型和障碍物斥力势场模型，并在传统障碍物斥力势场中引入速度因素，车辆在以上两种势场组 成的复合场中受到道路边界斥力、障碍物斥力的作用。

当达到受力平衡时，通过求解方程可以得到一条安全避障路径；并在 避障过程中对车辆实施速度控制。

仿真分析结果表明改进后的方法规划出的路径在避障过程中，车辆与障碍物的距离增加
至少20 cm ,可有效地提高避障的安全性;避障过程中对主车车速进行控制，可使主车的横摆角速度和侧向加速度降低至少
20%，有效地提高车辆运行的舒适性和安全性。

关键词智能交通 避障路径规划 新型人工势场法 速度控制
中图法分类号U471.15; 文献标志码A
避障路径规划是无人驾驶车领域的关键技术， 其主要目的是规划出一条能让车辆无碰撞绕过障碍 物的安全路径。

为了行车安全，现代汽车上采用了 大量的被动安全技术（安全气囊、安全带等）和防撞 预警系统（如丰田的pre-collision system [1]等），但这 些技术只能在碰撞发生时降低对乘员的伤害程度或 减少碰撞的发生，不能从根本上解决问题。

目前，路 径规划的方法有人工势场法[2]、遗传算法[3’4]、向量 直方图法[5]和神经网络法[6’7]等，其中人工势场法 以其计算量小、便于底层实时控制等优点，被许多研 究者借鉴应用，但是该法本身存在局部极小值等 问题。

吴乙万％等在此基础上提出一'种基于动态虚 拟障碍物的局部路径规划方法，首先根据环境、车辆 运行状态和道路交通规则分析车辆行驶安全性，并 获得虚拟车道线的解析表达，再进行车辆驾驶行为 的决策并生成受约束的动态虚拟障碍物，最后采用
2016年12月6日收到
国家自然科学基金(61403172)资助
第一作者简介:刘志强（1963—），博士。

研究方向：汽车主动安全，
E-mail ：1565495739@ qq. c o m 0
*通信作者简介:朱伟达（1990—），硕士。

研究方向:汽车主动安全， E-mail ：948942963@ qq. c o m 0
引用格式:刘志强，朱伟达，倪婕，等.基于新型人工势场法的车辆 避障路径规划研究方法[J ]•科学技术与工程，2017, 17(16): 310—315
Liu Zhiqiang, Zhu Weida, Ni Jie, et a l . Path planning and obstacle a­voidance method for automobile vehicle based on improved a r t i f i c i a l po­tential field[ J]. Science Technology and Engineering, 2017 , 17(16)： 310—315
考虑动力学和运动学约束的改进人工势场法进行局
部路径规划。

ChoeT S [9]提出了转向势场对传统人 工势场进行修正。

为了确保实时性，在行驶空间建 立虚拟势场，由远程控制站或者车载导航系统向无 人车发出转向命令，建立转向势场，再根据雷达探测 到的障碍物信息建立障碍物斥力势场。

由这两种势 场组成的复合势场来修正车辆的速度、转向和紧急 停车指令，或者直接控制车辆沿规划好的路径行驶。

本文利用改进的人工势场法，建立道路边界势 场、考虑速度因素的障碍物斥力势场，并通过对避障 过程车速的变化进行控制，开展避障路径规划研究。

1研究方法
依靠车载检测设备获取道路边界、障碍物以及 自车状态等信息;并对其进行预处理和融合，路径规 划单元根据路况信息，建立道路边界斥力势场和障 碍物斥力势场。

传统人工势场法建立的障碍物斥力 势场认为障碍物是静止的，这不能正确反映环境信 息，本文在障碍物斥力势场中加入速度势场，使障碍 物斥力势场更加完善。

主车在由道路边界斥力势 场、加入速度因素的障碍物斥力势场组成的复合场 中受到道路边界斥力和障碍物斥力，在受力达到平 衡时，通过求解平衡方程可以得到一条使主车安全 绕过障碍物的路径，最后由执行单元控制主车按此 路径行驶，并在避障行驶过程中对主车车速进行控 制以提高安全性，如图1。

16期刘志强，等:基于新型人工势场法的车辆避障路径规划研究方法311
外部环境信息(道路
边界、障碍物等）
刹车
减速
安全性、
舒适性
增大车
速继续
行驶
建立平
衡方程
(开始）
图1避障路径规划流程图
Fig. 1 Flowchart of obstacle avoidance and
path planning
2道路坐标系的建立
道路环境信息由车载雷达、GPS和车载摄像头 获取，在右车道中心建立道路坐标系，在雷达的可探 测距离^内，将道路边界分为〃等份，如图2所示。

汽车在未来每一时刻的质心位于道路边界对应 等分点的连线上，设每个等分点间的距离为、，则道路左边界上的点的坐标为，右边界的点的坐标为- 1)L。

，，汽车质心的坐标为U，％)，其中，A=(纟-1)4，进而可用 向量表示出道路左右边界上的等分点和车辆的位 置，由向量运算法则可以求出车辆到道路左右边界 的距离。

其中纟=1、2、3,…w为车道宽。

-S S%
图2道路坐标系
Fig. 2 Road coordinate system 3势场模型的建立
3.1道路边界斥力势场
道路边界斥力势场是以道路边界为基础建立的 斥力势场，它对道路中的车辆产生斥力作用，如图3 所示，以此来限制车辆的行驶区域。

道
路
边
界
斥
力
图3道路边界斥力示意图
Fig. 3 Road boundary repulsive force
当道路中没有障碍物的时候，车辆在道路边界 斥力势场的作用下，保持在右车道中间行驶。

根据 人工势场模型在机器人领域运用的经验，建立如下 式所示的道路边界斥力势场的数学模型：
oad，R
\2
-厂车
⑵
式中的、L d，R分别为道路左、右边界危险斥 力场施加斥力的比例常数，、r R分别为汽车质 心、道路左右边界上对应点的坐标向量，为 车宽。

图4汽车所受道路边界斥力
Fig. 4 Road boundary repulsion act on vehicle
由公式（1)、式（2)和图4、图5可知，汽车与道 界的距离越小它的势能值越大。

斥力可由对势场模 型进行梯度运算得到。

3.2障碍物斥力势场
障碍物斥力势场是以障碍物基本信息建立的势 场，它对行驶中的车辆产生斥力作用，
使车辆远离障
312科学技术与工程17卷
倍车长），p。

为障碍物的影响范围，取值为车辆的制
动安全距离。

〃为主车的当前运动速度，〃。

为动态障
碍物的当前运动速度，0为移动车体的当前运动方
向;为动态障碍物的当前运动方向。

从式(3)、式(4)和图5的势能值分布图可知，
车辆与障碍物距离越小，受到的斥力就越大，同时，
障碍物的速度在本车速度方向上的分量越大，本车
受到的斥力也就越大。

4避障过程速度控制
图5道路边界斥力势场分布图
Fig.5 Road boundary repulsive potential field
碍物。

影响障碍物斥力大小的因素主要有：障碍物 相对于本车的位置和速度，障碍物的大小（按标准 车）。

以其中一个障碍物为例，为了使避障过程更加 安全，用一个直径为D的安全圆包裹住障碍物，当车辆进入障碍物影响范围P。

时，将受到障碍物斥力 势场的作用，该斥力势场只沿F方向分布，势场的数
学模型为：
1(_________1_________一丄)2
,^k〇h I r, -r o b I I--^-D pQ 11r i "r〇b 11^ Po V L^l y
II。

- r〇l)I> Po
(3)
因为在避障过程中障碍物也是以一定的速度行 驶，如图6所示，所以在障碍物斥力势场中引入速度 这一因素，使避障环境更加完善。

"r e q=
r 1r__________i__________一丄 了
L卜…」i-士〜叫—-
〜C O S(沒-/3) I，I I^ - r」|(4)式⑷中，为障碍物斥力势场的比例系数，r d3为 障碍物的位置向量，D为安全圆的直径（D取1.2
车辆在避障过程中为了保证安全，必须与障碍 物保持一定的距离，且在避障转向时，如果仍以当前 速度行驶（通常>40 km/h)，则会严重影响避障的 安全性和乘坐舒适性，尤其是高速行驶时，为此本文 提出了对避障过程车辆速度的控制方法，使车辆在 避障时将车速降低到一个合适的值，并在绕开障碍 物后恢复正常车速行驶。

速度的控制模型为：
fA------^------〜，dc o ^p0
v ~I v c K\ + 0 C+ d0(5)
，dco> PO
式(5)中，九代表主车与障碍物间的距离，^为预 留的安全距离，〃。

是主车避障前的速度，《max为最大 减速度A为常系数，取A=0.60.7为车辆从开 始制动到其停止的时间。

从式(5)可以看出，车辆在进入障碍物影响范 围内后，速度能够随与障碍物距离的减小而减小，当车辆绕过障碍物时，速度随车辆与障碍物距离的增 大而增大，当主车驶出障碍物的影响范围时，车速将 不再受模型的控制。

5道路交通避障路径规划
在道路边界斥力势场和障碍物斥力势场组成的 复合场中，车辆受到复合场力的作用，如图7所示，当受力达到平衡，即：
m
"t- = "L l + "R l + X "叫=〇(6)
J=1
m
^total~ _ ^^tatal~ ^’req= 0 (7 )
解此方程可以求得车辆在避障过程每一时刻的 位置，再对这些位置点进行曲线拟合就可以得到避 障路径，同时每隔一段时间^，根据新采集的信息 再次进行路径规划，以保证实时性。

6模拟仿真
本文模拟的障碍物是一个长为4 m，宽为2
m
16期刘志强，等:基于新型人工势场法的车辆避障路径规划研究方法313
图7车辆所受合力示意图
Fig. 7 The resultant force acts on vehicle
的矩形。

障碍物基本信息的获取主要依靠安装在车 上的雷达、摄像机、传感器等设备，对比各种检测方 法，由于毫米波雷达具有带宽较宽、不易受干扰、分 辨率高等优点[H)]，因此选取毫米波雷达作为障碍物 信息检测设备。

毫米波雷达的探测距离大于150 m，分标率为 10 mm，在防碰撞预警系统中，考虑到自车和前车的 绝对速度和相对速度、路况、两车完全停止时的实际 车间距离等因素，一般要求传感器的探测距离不小 于130 m，分辨率为1m，毫米波雷达满足该要求[11]，实验场景为单向双车道道路环境，每个车道 宽为3.5 m，预设避障路段长度为180 m，主车初始 位置位于右车道中间，主车的初始速度为25 m/s，障碍车位于主车前方50 m处，速度为17 m/s。

为 了方便，假定雷达能够准确测得障碍物的信息，障碍 车的速度大小保持不变。

为验证该方法的有效性，进行以下实验。

按照上述实验条件，在MATLAB中进行避障路 径规划过程的模拟计算，模拟环境如下图所示，起始 点为(〇,4)，目标点为（18,4)，模拟环境中共有3个 运动障碍物和1个静止障碍物，汽车在遇到障碍物 时，该算法能够为汽车规划出一条如图8所示的避 障路径，该路径可以让汽车安全的避开障碍物到达 目标点。

同时，对在障碍物斥力势场中未引入速度因素 的避障算法也进行模拟，可以得到如图9所示的避 障路径，图9中规划的路径与第一个运动障碍物重 叠，这说明避障路径不能避开运动的障碍物，即使能 成功避开静止障碍物，但避障路径与障碍物非常接 近，几乎擦肩而过，虽然都能实现汽车的避障，但在 障碍物斥力势场中引入速度以后，汽车在整个避障 过程与障碍物保持较远的距离，而且避障过程更加 平缓。

所以在障碍物斥力中因素速度可以有效的提 高避障过程的安全性。

图9未引入速度避障路径图
Fig. 9 No velocity obstacle avoidance path
将MATLAB计算出的避障路径导入carsim车 辆动力学仿真软件中，可以得到如图1〇所示的仿真 曲线，其中图1〇是路径跟随曲线，图中不带点实线 是目标路径，为求解得到的路径，带点实线是仿真软 件中汽车的真实行驶路径，从图中可以看出，两条曲 线基本吻合，说明在carsim仿真软件中，主车是沿 计算得到的避障路径行驶，同时这也可以说明仿真 过程的主车各种动力学信息与现实中主车避障过程 的状态信息相符。

图11和图12是主车避障过程中的横摆角速度 和侧向加速度。

可以看出，两图的变化趋势大致相 同，这说明主车的横摆角速度和侧向加速度随主车 避障过程的变化而变化，只是在避障开始阶段，
主车
314科学技术与工程17卷
侧向加速度的变化速率大于横摆角速度。

两个图的变化趋势反映了汽车的整个避障过 程，开始时，主车在极短的时间加速到预设车速，横 摆角速度和侧向加速度都出现了较大的值，随着车 速提高到预设值，横摆角速度和侧向加速度只在很 小的范围内变化，直到第6 s左右，主车接近前方障 碍物，开始缓慢转向，在8.4 s左右，主车横摆角速 度和侧向加速度都达到了最大值，说明主车已到达 障碍物正侧方，即将绕过障碍物，之后，横摆角速度 和侧向加速度的值变小，主车逐渐绕过障碍物并回 到原车道。

在图11和图12中，虚线为避障过程对速度进 行控制后得到的主车横摆角速度和侧向加速度图，实线为未对车速进行控制得到的曲线图。

主车在未 进入障碍物的影响范围内时，图中两条曲线基本吻 合，在进入障碍物的影响范围内后，可以明显看出，避障过程对车速进行控制后，其横摆角速度和侧向 加速度的值都小于未对车速进行控制的值，且侧向 加速度的值小于0.4 g，这说明在避障过程对车速进 行控制可以有效提高舒适性。

仿真过程中各模型参数见表1。

表1仿真模型参数
Table 1 Simulation model parameters
变
量数值单位变
量数值单位KL900-Po10m
k r100--L180m
1 500-B7m
A 2.5-D4m
l〇 1.25m
7结论
(1) 本文在传统人工势场法的基础上添加道路 边界斥力势场，并在障碍物斥力势场中引入速度因
素，使局部路径规划模型更加完善，从而规划出一条
能使车辆安全绕过障碍物的避障路径。

(2) 通过MATLAB和carsim的模拟仿真可知，改进后的方法规划出的路径在避障过程中，主车与
障碍物的距离增加至少20 cm,使避障更加安全;对
避障过程的速度进行控制，可有效提高乘坐舒适性。

参考文献
1Girbes V, Armesto L, Dols J, et al.A n active safety system for low- speed bus braking assistance. IEEE Transactions on Intelligent
Transportation Systems, 2016；
(99) ：1—11
2 Khatib 0. Real-time obstacle avoidance for manipulators and mobile
robots. IEEE International Conference on Robotics and Automation.
Proceedings. I E E E, 2015 ：
396^04
3 Panda R K, Choudhury B B. A n effective path planning of mobile
robot using genetic algorithm. Computational Intelligence &
Communication Technology ( CICT ) ,2015 IEEE International
Conference on. Ghaziabad：
IEEE, 2015 ：
287—291
4 Sonmez A, Kocyigit E,Kugu E. Optimal path planning for U A V s
using genetic algorithm. International Conference on Unmanned
Aircraft Systems, Denver, CO, IEEE, 2015 ：50 —55
5 Kant K, Zucker S W. Planning collision-free trajectories in time-
varying environments：
a two-level hierarchy. The Visual Computer,
2010；
3(5) ：
304—313
6 Zhou L, Li W. Adaptive a r t i f i c i a l potential field approach for obstacle
avoidance path planning. Seventh International Symposium on
Computational Intelligence and Design. Hangzhou ：
I E E E,2015 ：
429—432
7 Maningo J M Z, Faelden G E U, Nakano R C S, et al.Obstacle
avoidance for quadrotor swarm using a r t i f i c i a l neural network s e lf­
organizing map. International Conference on Humanoid
Nanotechnology,Information Technology,Communication and
Control,Environment and Management. Cebu City：
IEEE, 2016：1—7
8吴
乙
万
，
黄
智
.基
于
动
态
虚
拟
障
碍
物
的
智
能
车
辆
局
部
路
径
规
划方
法
.湖
南
大
学
学
报
（
自
然
科
学
版
）
，
2013; (1) :33 — 37
W u Y W,H u Z. Dynamic vitural obstacle based local path planning
for intelligebt vehicle. Journal of Hunan University ( Natural
Sciences) ,2013 ；
(1) ：
33—37
9 Choe T S, Jin W H, Chae J S, al.
Real-time collision avoidance
刘志强，等:基于新型人工势场法的车辆避障路径规划研究方法
315
16期method for unmanned ground vehicle. International Conference on Control, Automation and Systems. IEEE , 2008 ： 843—846
10周俊杰，缪晨，王海，等.基于毫米波雷达的主动安全探测
技术.中国汽车工程学会汽车安全技术学术会议.2013.杭州： 中国汽车工程学会，2013;(8) :20 — 21
Zhou Junjie, Miao Che n , Wan g Hai, et al. Active safety detection technology——Millimeter wave radar. Automotive Safety Technology
Conference of Society of Automotive Engineers of China. 2013. Hangzhou ： Society of Automotive Engineers of China, 2013 ； (8):
20—21
11 Brooker G , Johnson D , Underwood J, et al. Using the polarization
of millimeter-wave radar as a navigation aid. Journal of Field Robotics, 2015； 32(1) ：3—19
Path Planning and Obstacle Avoidance Method for Automobile Vehicle Based on Improved Artificial Potential Field
LIU Zhi -qiang , ZHU Wei -da * , NI Jie , ZHANG Chun-lei
(Jiangsu Universit School of Automobile and Traffic Engineering, Zhenjiang 212013 ,P. R. China)
[Abstract ] Aiming at the complexity of the obstacle avoidance for the automobile , the traditional artificial
potential field method was improved , which is applied to a vehicle obstacle avoidance path planning . This m ethod establishes a road boundary repulsion potential field model and obstacle repulsion potential field model , and introduces the speed factor into the obstacle repulsion potential field of the traditional artificial potential field . The Vehicle in the complex field,which is composed of the prevously described tw o fields,is subjected to the forces from the road boundary repulsion potential field and obstacle repulsion potential field . When the forses achieve the balance , a safe obstacle avoidance path can be obtained by solving the balanced equation . During the obstacles avoiding , this method also regulates the speed of the vehicle . The simulation results show that the improved m ethod can make the distance between the vehicle and the obstacle increase by at least 20 cm , which can effectively improves the safety . By implementing speed control , it can let vehicle ^ s yaw rate and lateral acceleration reduce at least 21% , which effectively improves the safety and comfort of the vehicle .[Key words ] intelligent transportation obstacle avoidance and path planning
the improved artificial
potential field
automobile speed control。