摘 要
随着智能交通系统的快速发展，自动驾驶汽车作为未来出行的重要组成部分，其路径规划与避障算法的研究成为关键技术领域。本研究旨在解决复杂动态环境中自动驾驶汽车的高效路径规划及实时避障问题，通过融合先进的感知技术与优化算法，提升车辆在多样化场景下的适应能力与安全性。研究采用基于模型预测控制的路径规划方法，并结合深度强化学习实现障碍物检测与规避决策，同时引入多传感器数据融合以增强环境感知精度。实验结果表明，所提出的算法能够在保证路径平滑性的同时，有效应对突发障碍物并实现快速响应，显著提高了自动驾驶汽车在高密度交通场景中的运行效率与稳定性。此外，本研究创新性地提出了一种自适应权重调整机制，用于平衡路径优化目标与避障优先级，从而实现了更优的综合性能。主要贡献在于将传统规划算法与现代人工智能技术有机结合，为复杂环境下自动驾驶汽车的智能化发展提供了新思路，并为进一步的实际应用奠定了理论基础。关键词：自动驾驶汽车；路径规划；避障算法；模型预测控制；深度强化学习
Abstract
With the rapid development of intelligent transportation systems, autonomous driving vehicles, as a crucial component of future mobility, have made path planning and obstacle avoidance algorithms key research areas. This study focuses on addressing the challenges of efficient path planning and real-time obstacle avoidance for autonomous vehicles in complex dynamic environments. By integrating advanced perception technologies with optimization algorithms, the research aims to enhance the adaptability and safety of vehicles across diverse scenarios. A model predictive control-based path planning method is employed, combined with deep reinforcement learning for obstacle detection and avoidance decision-making, while multi-sensor data fusion is introduced to improve environmental perception accuracy. Experimental results demonstrate that the proposed algorithm can effectively handle sudden obstacles and achieve rapid responses while ensuring path smoothness, significantly improving the operational efficiency and stability of autonomous vehicles in high-density traffic scenarios. Additionally, this study innovatively proposes an adaptive weight adjustment mechanism to balance path optimization ob jectives with obstacle avoidance priorities, achieving superior overall performance. The primary contribution lies in the organic combination of traditional planning algorithms with modern artificial intelligence technologies, providing new insights into the intelligent development of autonomous vehicles in complex environments and laying a theoretical foundation for further practical applications..Key Words：Autonomous Vehicle；Path Planning；Obstacle Avoidance Algorithm；Model Predictive Control；Deep Reinforcement Learning
目 录
摘 要 I
Abstract II
第1章 绪论 2
1.1 自动驾驶路径规划与避障的研究背景 2
1.2 路径规划与避障算法的研究意义 2
1.3 国内外研究现状分析 3
1.4 本文研究方法概述 3
第2章 路径规划算法基础与关键技术 4
2.1 路径规划的基本概念与分类 4
2.2 常见路径规划算法综述 4
2.3 动态环境下的路径规划挑战 5
2.4 基于优化的路径规划方法研究 5
2.5 路径平滑与实时性改进策略 6
第3章 避障算法设计与性能优化 7
3.1 避障算法的核心需求与约束 7
3.2 局部避障算法的设计原理 7
3.3 全局避障算法的实现方法 8
3.4 避障算法中的传感器数据融合技术 8
3.5 避障算法的性能评估与优化策略 9
第4章 路径规划与避障算法的集成与验证 10
4.1 路径规划与避障算法的协同机制 10
4.2 算法集成框架的设计与实现 10
4.3 实验平台搭建与测试场景设计 11
4.4 算法性能测试与结果分析 11
4.5 实际应用中的问题与改进建议 12
结 论 12
参考文献 14
致 谢 15
