基于MPC和RRT算法的无人驾驶车辆路径规划与跟踪系统研究

简介：
本研究致力于开发一种结合了模型预测控制(MPC)和随机树(RRT)算法的新型无人驾驶路径规划及跟踪方案，旨在优化车辆在复杂环境中的导航性能。 本段落主要研究无人驾驶车辆的路径规划与轨迹跟踪控制技术。首先介绍了问题背景及系统建模过程，包括车辆运动学模型和障碍物描述方法。随后设计了基于决策过程的预测控制算法，并专门讨论了信号灯对路径规划的影响。接着探讨了一种利用RRT（快速搜索随机树）算法进行无人驾驶车辆路径规划的方法，并结合MPC（模型预测控制），提出了新的路径规划与跟踪策略。 通过构建CarSim和Simulink联合仿真平台，研究者进行了多种道路场景下的仿真实验来验证新方法的有效性。实验结果表明： 1. 在不同速度、步长以及周期等条件的影响下，较低的速度、较大的步长及较长的周期有助于路径规划与控制更加接近目标轨迹。 2. 实验数据还显示，在一定范围内这些因素对跟踪效果影响不大，证明了所提算法具有良好的稳定性和鲁棒性。 3. 在十字路口左转场景中，车辆能够按照预设路线平稳准确地行驶。从起点到终点的整个路径跟踪过程非常顺畅且精确。参考轨迹与实际行驶轨迹几乎完全一致，确保了追踪精度。 实验结果显示最大横向误差为4毫米、纵向误差20毫米以及航向角偏差较小，进一步验证了所提方法的有效性。