一种融合SA-GAO与AW-DWA算法的自动驾驶车辆路径规划方法

1.一种融合sa-gao与aw-dwa算法的自动驾驶车辆路径规划方法，其特征在于：利用模拟退火算法sa对巨型犰狳算法gao进行改进，以改进后的sa-gao算法对车辆的全局路径进行规划；并采用自适应权重动态窗口aw-dwa算法进行车辆局部路径规划；通过在全局路径上选取若干关键点作为动态窗口法的候选子目标点，实现车辆避开随机动态障碍物并返回至全局最优路径上。

2.根据权利要求1所述的基于一种融合sa-gao与aw-dwa算法的自动驾驶车辆路径规划方法，其特征在于：aw-dwa算法以sa-gao算法输出的e个全局路径关键点作为其子目标点，从车辆起始点qs(xs,ys)向算法当前第一个子目标点进行局部规划，并记录下规划得到的各路径点信息；再从当前子目标点向算法下一个子目标点进行局部规划，并记录下规划得到的各路径点信息；重复使用aw-dwa算法对剩下的子目标点依次进行规划，直至到达设定的最终目标点qe(xe,ye)，最后输出完整的路径信息。

3.根据权利要求1所述的一种融合sa-gao与aw-dwa算法的自动驾驶车辆路径规划方法，其特征在于：

4.根据权利要求3所述的一种融合sa-gao与aw-dwa算法的自动驾驶车辆路径规划方法，其特征在于：

5.根据权利要求1所述的一种融合sa-gao与aw-dwa算法的自动驾驶车辆路径规划方法，其特征在于：

6.根据权利要求5所述的一种融合sa-gao与aw-dwa算法的自动驾驶车辆路径规划方法，其特征在于：所述对aw-dwa算法的参数进行初始化具体为：对车辆的状态信息，包括：车辆的位置(x,y)、纵向速度vx、航向角横摆角速度ωr、前轮转角δf及采样间隔时间dt，向前预测时域tpre进行初始化，其中tpre为dt的整数倍；以及设定车辆的机械特性参数，包括最大横摆角速度ωrmax、最大转角δfmax以及最小转角δfmin。

7.根据权利要求5所述的一种融合sa-gao与aw-dwa算法的自动驾驶车辆路径规划方法，其特征在于：

8.根据权利要求5所述的一种融合sa-gao与aw-dwa算法的自动驾驶车辆路径规划方法，其特征在于：

9.根据权利要求5所述的一种融合sa-gao与aw-dwa算法的自动驾驶车辆路径规划方法，其特征在于：

10.根据权利要求1所述的一种融合sa-gao与aw-dwa算法的自动驾驶车辆路径规划方法，其特征在于：在sa-gao所规划的全局参考路径上选取e个关键点作为aw-dwa算法的候选子目标点，以保证aw-dwa算法能够使车辆有效避开随机动态障碍物的同时能够返回至全局最优路径上；并设定当车辆距离子目标点一个车身的距离时，或其预测时域末时刻横坐标或纵坐标超过子目标点的横坐标或纵坐标时，即判定为车辆到达子目标点，并将车辆到达此子目标点时的终止状态作为其继续前往下一个子目标时的初始状态。