CN119408532A 多约束泊车路径规划方法、装置和汽车控制系统 （合肥工业大学） - 副本

位置确定自车的多个候选的泊车起始位置和泊型从自车的多个候选的泊车起始位置和泊车终点位置中确定自车的目标泊车起始位置和目标段用于调整车辆位置第二个阶段用于执行泊车2基于蜣螂优化算法和自车的当前位置确定自车的多个候选的泊车起始位置和泊车终通过目标优化模型从自车的多个候选的泊车起始位置和泊车终点位置中确定自车的其中，目标优化模型包括目标函数和优化约束，目标函数以最基于蜣螂优化算法和自车的当前位置确定自车的多个候选的泊车起始位置和泊车终基于自车的当前位置，通过改进的滚球蜣螂策略确定自车的至少基于自车的当前位置，通过改进的卵球繁殖策略确定自车的至少基于自车的当前位置，通过改进的觅食蜣螂策略确定自车的至少,r2Xi3,i,iUbb分别表示蜣螂觅食区,d2分别表示第一路径和第二路径的采样点总数，xi表示第一路径中第i个采碰撞约束包括第一路径的碰撞约束和第二路径第一路径的碰撞约束用于保证自车不与车道在平行泊车工况中，第二路径的碰撞约束用于保证自车不与停在垂直泊车工况中，第二路径的碰撞约束用于保证自车不与停4,0a23a分别表示自车的泊车起始位置的横坐标和纵坐标，θ表示自车的当前航向,,,b1位置优化模块，用于基于蜣螂优化算法和自车的当前位5路径确定模块，用于通过目标优化模型从自车的多个候选的泊位置中确定自车的目标泊车起始位置和目标泊车终点位置以及对应的第一路径和第二路其中，目标优化模型包括目标函数和优化约束，目标函数以最被处理器执行时实现权利要求1至7中任一项所述的多约束泊车路径规划6[0002]无人驾驶汽车泊车路径规划类型包括多项式曲线、圆弧－直线、B样条曲线、目前无人驾驶汽车泊车路径规划方法无法规划出较优的泊车路径甚至无法规划出泊车路基于蜣螂优化算法和自车的当前位置确定自车的多个候选的泊车起始位置和泊通过目标优化模型从自车的多个候选的泊车起始位置和泊车终点位置中确定自车的目标泊车起始位置和目标泊车终点位置以及对应的第一泊车起始位置和泊车终点位置，自车从当前位置移动至泊车起始位置的路径为第一路径，终点位置中确定自车的目标泊车起始位置和目标泊车终点位置以及对应的第一路径和第7泊车路径规划方法无法规划出较优的泊车路径甚至无法规划出泊车8等类似的词并不表示数量上的限制，它们可以是单数或者复数。在本申请中所涉及的术语[0014]在本发明的实施例中提供了一种多约束泊车路径规划方法，图1是本发明的实施例中提供的多约束泊车路径规划方法的流程图，如图1所示，该流程包括步骤S110和步骤9[0017]图2是本发明中平行泊车的过程示意图，图3是本发明中垂直泊车的过程示意[0023]原滚球蜣螂策略中只考虑了与上次迭代的种群最优值做参考而没有考虑到与每r2i1次迭代时第i只蜣螂的位置，bestX表示当前蜣螂种群中最优个体位置，蜣螂用于表征自1次迭代时第i只蜣螂的位置，bestX表示当前蜣螂种群中最优个体位置，蜣螂用于表征自Ubb分别表示蜣螂觅车的至少一个候选的泊车起始位置和泊车终点位置。在原蜣螂优化算法中还包括偷窃策长度为优化目标，优化约束包括第一路径和第二路径的碰撞约束以及第二路径的曲率约和d2分别表示第一路径和第二路径的采样点总数，xi表示第一路径中第i[0044]上述目标函数可以计算各对第一路径和第二路径的总长第一路径中第i-1个采样点的纵坐标，F2(xj)表示第二路径中第j个采样点的纵坐标，F2(xj-1)表示第二路径中第j-1个采样点a123b1长度最小的第一路径和第二路径对应的泊车起始位置和泊车终点位置作为目标泊车起始更小的泊车起始位置和泊车终点位置，即目标函数是改进的蜣螂优化算法的适应度函数。方法无法规划出较优的泊车路径甚至无法规划出泊车包括第一路径的碰撞约束和第二路径的碰撞约束。图6是平行泊车中的可能碰撞情况示意不同算法对标准测试函数F9的迭代测试对比图；图12是不同算法对标准测试函数F10的迭[0070]参照图16，IDBO求得的最优路径长度为20.1411，xa=7.6400，ya=1.2813，xb=[0075]参照图20，IDBO求得的最优路径长度为27.8914，xa=9.9128，ya=3.2145，xb=[0078]上述为路径规划的理论计算结果，继续在相同场景设定下仿真路径跟踪控制效泊车起始位置和泊车终点位置，自车从当前位置移动至泊车起始位置的路径为第一路径，终点位置中确定自车的目标泊车起始位置和目标泊车终点位置以及对应的第一路径和第[0088]在本发明的实施例中还提供了一种计算机可读存储介质，其上存储有计算机程