Automatische Parkplatzplanungssteuerungsmethode basierend auf dem verbesserten A*-Algorithmus

Mit dem Trend, sich schrittweise von hochpräzisen Karten in der autonomen Fahrindustrie zu entfernen, zeigen traditionelle Planungsalgorithmen allmählich einige Probleme auf. Um die hohen Anforderungen an Echtzeit, Präzision und Trajektorienqualität, die durch die automatische Parkaufgabe unter lokal wahrgenommenen Karten gestellt werden, zu adressieren, schlägt dieses Papier einen verbesserten automatischen Parkplatzplanungsalgorithmus basierend auf dem A*-Algorithmus vor und verwendet die Model Predictive Control (MPC) als Steuerungsmodul für das automatische Parken. Der Algorithmus verbessert die Echtzeitleistungsfähigkeit der Planung durch die Optimierung heuristischer Funktionen, binäre Heap-Optimierung und bidirektionale Suche; er berechnet die Begehbarkeit enger Bereiche, indem er Hindernisse dynamisch lädt und während der Planung das eigene Volumen des Fahrzeugs einführt; er verbessert die Trajektorienqualität durch Verwendung von Nachbarerweiterungen und Bezier-Kurvenoptimierungsmethoden, um die hohen Anforderungen an die Trajektorienqualität der Parkaufgabe zu erfüllen. Nach Erhalt der Ausgabewerte des Planungsalgorithmus wird eine Verlustfunktion entworfen, die auf den Eigenschaften der automatischen Parkaufgabe unter lokalen Karten basiert, und der MPC-Algorithmus wird verwendet, um Steuerbefehle auszugeben, die das Auto entlang der geplanten Trajektorie fahren. Dieses Papier verwendet die Wahrnehmungsergebnisse realer Fahrumgebungen, die in Karten umgewandelt wurden, als Planungsinputs, um Simulationstests und Ablationsexperimente am Algorithmus durchzuführen. Die experimentellen Ergebnisse zeigen, dass der in diesem Papier vorgeschlagene verbesserte Algorithmus die speziellen Anforderungen des automatischen Parkens unter lokalen Karten effektiv erfüllen und die automatischen Planung und Steuerungsaufgaben für das Parken abschließen kann.