论文部分内容阅读
针对快速扩展随机树(RRT)算法在智能车辆路径规划中存在距离度量不准确、搜索效率低等问题,提出一种最短路径距离度量学习方法。将满足车辆运动学约束的最短路径作为距离度量引入RRT算法,利用监督学习模型近似该距离度量,以模型前向预测代替最近邻搜索中最短路径复杂求解运算,加快规划速度。仿真表明,引入的最短路径距离度量能缩短规划路径长度,监督学习模型能合理近似最短路径距离度量,减少规划时间,对提高RRT算法在智能车辆路径规划中的路径质量和规划效率有指导意义。