要約
自動運転車技術の最近の進歩により、さまざまな環境を自律的に移動できるようになりました。
ただし、自動運転車の運用における重要な課題の 1 つは、特に移動障害物がある動的環境における軌道計画です。
この研究は、移動する障害物のある動的環境で動作する自動運転車に合わせた堅牢なアルゴリズムを提案することで、この課題に取り組むことを目的としています。
このアルゴリズムには 2 つの主要な革新が導入されています。
まず、軌道に沿ったウェイポイントの数を調整し、曲線領域での精度を高めるためにウェイポイントの分布を最適化し、直線セクションでの計算の複雑さを軽減することでパス密度を定義します。
第二に、階層的な動作計画アルゴリズムを統合し、強化された $A^*$ グラフベースの手法を使用したグローバル プランニングと、さまざまな動作モデルを考慮した移動障害物検出と時間エラスティック バンド アルゴリズムを使用したローカル プランニングを組み合わせます。
提案されたアルゴリズムは、さまざまな車両タイプや移動ロボットに適応できるため、現実世界のアプリケーションに多用途に使用できます。
シミュレーション結果は、さまざまな条件下での有効性を実証し、動的環境における自動運転車のより安全で効率的なナビゲーションを約束します。
これらの変更により、軌道計画機能が大幅に向上し、自動運転車技術の重要な側面に対応します。
要約(オリジナル)
Recent advancements in self-driving car technologies have enabled them to navigate autonomously through various environments. However, one of the critical challenges in autonomous vehicle operation is trajectory planning, especially in dynamic environments with moving obstacles. This research aims to tackle this challenge by proposing a robust algorithm tailored for autonomous cars operating in dynamic environments with moving obstacles. The algorithm introduces two main innovations. Firstly, it defines path density by adjusting the number of waypoints along the trajectory, optimizing their distribution for accuracy in curved areas and reducing computational complexity in straight sections. Secondly, it integrates hierarchical motion planning algorithms, combining global planning with an enhanced $A^*$ graph-based method and local planning using the time elastic band algorithm with moving obstacle detection considering different motion models. The proposed algorithm is adaptable for different vehicle types and mobile robots, making it versatile for real-world applications. Simulation results demonstrate its effectiveness across various conditions, promising safer and more efficient navigation for autonomous vehicles in dynamic environments. These modifications significantly improve trajectory planning capabilities, addressing a crucial aspect of autonomous vehicle technology.
arxiv情報
著者 | Mohammad Dehghani Tezerjani,Dominic Carrillo,Deyuan Qu,Sudip Dhakal,Amir Mirzaeinia,Qing Yang |
発行日 | 2024-06-05 04:10:29+00:00 |
arxivサイト | arxiv_id(pdf) |
提供元, 利用サービス
arxiv.jp, Google