技术特征：
1.一种智能汽车路径规划及避障跟踪方法，其特征在于，所述方法包括下述步骤：s100、获取路段经纬度、高度坐标，利用高斯投影得到路段平面坐标，进而获取路段位置连接关系；s200、根据路段位置连接关系，设置路段的相交点为节点，建立邻接矩阵，邻接矩阵上的元素表示在交通规则上允许由一个节点驶向另一个节点的路段，元素的值表示两个节点间的距离；s300、利用改进的蚁群算法获取全局路径并输出；s400、对输出的全局路径进行障碍物位置判断，以实现路径局部优化；s500、基于局部优化后的路径，利用车辆动力学方程建立预测模型，获取智能车辆的状态量和控制量，从而实现智能车辆的路径规划及轨迹跟踪。2.根据权利要求1所述的方法，其特征在于，所述改进的蚁群算法包括下述步骤：s301、将当前循环次数设置为0，当前蚂蚁个数设置为0，设置信息素浓度初始值，循环总数，蚂蚁总数；s302、判断循环次数是否不大于循环总数；若是，则将当前循环次数增加1，执行s303；否则，输出当前最优路径；s303、判断当前蚂蚁编号是不大于蚂蚁总数；若是，执行步骤s304；否则，执行步骤s309；s304、利用改进的启发函数计算候选节点概率；所述改进的启发函数通过下式计算：式中：d
ij
表示路段(i，j)之间的欧式距离，d
je
表示下一个可行节点j和目标节点e之间的欧氏距离；c1和c2是服从0和1之间均匀分布的随机数，c1表示节点j对路径选择的影响的权重，c2表示目标节点e对路径选择影响的权重；s305、利用当前的信息素浓度和改进的启发函数计算候选节点概率，基于所述概率利用轮盘赌原则，确定下一个节点，并将其加入路径中；s306、判断当前蚂蚁是否完成了搜索；若当前蚂蚁完成了搜索，执行s308；若当前蚂蚁未完成搜索，执行s307；s307、判断当前蚂蚁是否还存在可选择的节点，若当前蚂蚁还有可选择的节点，则返回s304；若当前蚂蚁没有可选择的节点，执行s308；s308、将当前蚂蚁编号加1，返回s303；s309、从此次迭代中所有蚂蚁的路径中，获取此次迭代的最优路径；s310、判断此次迭代的最优路径是否为所有迭代中的最优路径；若是将在此次路径上的信息浓度通过下式更新：τ
ij
(t)＝(1-ρ)
×
τ
ij
(t-1)+δτ
ij
否则，将在此次路径上的信息浓度通过下式更新：τ
jj
(t)＝(1-2ρ)
×
τ
ij
(t-1)上述两个式中：ρ∈(0,0.5)，用于防止信息素无限积累的信息素挥发程度)；；τ
ij
(t)为
更新后信息素浓度；δτ
ij
为此轮蚂蚁遗留信息素，计算公式如下：式中：m为此次迭代中蚂蚁总数量，q为信息素增加强度系数，l为当只蚂蚁从起始节点到达目标节点的路径长度；返回s302。3.根据权利要求1所述的方法，其特征在于，所述s300之后还包括下述步骤：利用三次b样条曲线拟合，对全局路径进行拟合优化后输出，提高道路行驶舒适性。4.根据权利要求1所述的方法，其特征在于，所述障碍物局部优化通过下述步骤实现：利用势场法思想建立如下障碍物威胁代价函数：利用势场法思想建立如下障碍物威胁代价函数：式中：w
i
表示第i个障碍物在所有障碍物威胁代价中的权重；(x,y)表示当前智能车辆所在位置；(x
obsi
,y
obsi
)表示当前障碍物所在位置；δ为一个设定值，用于防止j
obsi
计算结果为无穷大。5.根据权利要求4所述的方法，其特征在于，所述局部优化还包括使跟踪代价与控制代价的总和最小。6.根据权利要求2所述的方法，其特征在于，所述ρ为0.4。
技术总结
本发明提出一种智能汽车路径规划及避障跟踪方法，所述方法基于改进的蚁群算法获取全局路径，减少计算时间并提高搜索效率。进一步地，通过对全局路径进行拟合优化，以提高驾驶舒适性。并对障碍物进行了考虑，进行了路径局部优化，提高驾驶安全性。提高驾驶安全性。提高驾驶安全性。
技术研发人员：金立生 白宇飞 马祥生 韩广德 谢宪毅 郭柏苍 朱文涛 刘国峰 魏青嵩
受保护的技术使用者：燕山大学
技术研发日：2022.01.12
技术公布日：2022/5/25