公开(公告)号：CN115628748B

公开(公告)日：2025-04-29

申请号：CN202211298410.X

申请日：2022-10-23

Applicant: 东南大学

Inventor： 徐晓苏 ,  王亚齐 ,  姚逸卿

IPC: G01C21/32 ,  G01C21/34 ,  G01C21/00 ,  G01S17/88 ,  G06Q10/047

Abstract: 本发明公开了一种基于分层混合代价地图的改进Q‑learning路径规划方法，包括：基于输入点云，对负障碍、斜面障碍和路面平整度的可通行性分析。再根据不同地形的可通行性，建立多层代价地图，每层代价地图对应不同的代价函数，包括可通行区域图、负障碍代价地图、斜面代价地图和平整度代价地图。根据多层代价地图建立排斥势场，根据目标位姿点建立吸引势场，合成排斥势场和吸引势场对Q表格进行初始化。再应用最小转弯半径圆弧段生成Q‑learning的动作空间，经过训练，得到可供无人车直接行走的平滑路径。本发明考虑崎岖复杂地形，可规划出履带式无人车直接通行的路径，并且基于多层代价的人工势场对Q表格赋予初值，可加快算法收敛速度。

公开(公告)号：CN115628748A

公开(公告)日：2023-01-20

申请号：CN202211298410.X

申请日：2022-10-23

Applicant: 东南大学

Inventor： 徐晓苏 ,  王亚齐 ,  姚逸卿

IPC: G01C21/32 ,  G01C21/34 ,  G01C21/00 ,  G01S17/88 ,  G06Q10/047

Abstract: 本发明公开了一种基于分层混合代价地图的改进Q‑learning路径规划方法，包括：基于输入点云，对负障碍、斜面障碍和路面平整度的可通行性分析。再根据不同地形的可通行性，建立多层代价地图，每层代价地图对应不同的代价函数，包括可通行区域图、负障碍代价地图、斜面代价地图和平整度代价地图。根据多层代价地图建立排斥势场，根据目标位姿点建立吸引势场，合成排斥势场和吸引势场对Q表格进行初始化。再应用最小转弯半径圆弧段生成Q‑learning的动作空间，经过训练，得到可供无人车直接行走的平滑路径。本发明考虑崎岖复杂地形，可规划出履带式无人车直接通行的路径，并且基于多层代价的人工势场对Q表格赋予初值，可加快算法收敛速度。