2.2全局路径规划
    全局路径规划是一种静态规划又叫做离线规划，要求拥有完全的环境信息，再依据地图给出的信息，计算得到一条从出发位置到目的位置的最优路线。其主要方法如下。
    1）可视图法这种算法的思路很简单，它需要确保无人车、道路上的障碍物以及目标点之间能够用线连接起来，不和空间中任何障碍物相连，最后在这种可视图中找到最优路线。
    2）自由空间法其思路是面对可视图法的应变性差，需要预先定义它的基本模型，例如做出广义锥形、凸多边形等形状进行构造自由空间，并且将这样的自由空间表示成为连通图，最后就可以在连通图中找到最优路径。在开始点和目标点改变时并不需要重新绘制新图而是只用改变相应点的位置即可。
    3）栅格法具体思路是用栅格代表地图，把一个个栅格二值化，把无障碍物的栅格标记为空白栅格，把有障碍物的栅格标记为黑色栅格，对这种栅格地图进行最优路径搜索。
    还有其他的算法比如神经网络法、蚁群算法和拓扑法等，它们都能在全局路径中进行最优路径搜索，但是搜索出来的路径不一定是最短路径。

    3 控制层
    控制层针对无人车进行横向控制、纵向控制，而且横向控制是控制无人车的行驶方向，纵向控制是控制无人车的速度。控制层接收来自决策层所作出的局部和全局路径规划轨迹，然后控制相应的执行机构作出动作，完成对路径轨迹的跟踪。图2为控制层体系结构图。

    1）横向控制横向控制本质上属于无人车的转向控制，它的控制目标为在保证无人车行驶安全性和乘坐舒适性的前提下，使无人车能够准确地对预期的路径进行跟踪。常用方法有基于模型预测控制（MPC）控制器、PID横向控制器、基于模糊逻辑横向控制器等。
    2）纵向控制纵向控制就是控制无人车行进中的速度，而且横向控制的精度也会受到速度控制的影响。车辆的速度涉及到油门和制动，通常是设计油门控制器和制动控制器来控制无人车速度。常用的方法也同横向控制，有基于滑模控制的纵向控制器、模糊PID控制器、模糊控制器等。
    4 结束语
    汽车智能化是未来的重要发展方向，无人驾驶汽车则是智能汽车的最终形态。感知层、决策层、控制层作为无人驾驶汽车的三大组成部分，通过感知层提供环境、位置等信息，决策层根据这些信息作出路径规划，最后控制层进行横向和纵向控制完成路径跟踪，实现无人车的自动驾驶。
 

上一页  [1] [2]