随着5G网络的快速发展及推广,无人驾驶技术逐渐成熟,车联网也得到了迅速发展,现如今的交通系统智能化日益成熟稳定。同时,汽车保有量持续增加,交通问题日益严峻,在这样的背景下,无人驾驶技术成为了当前的研究热点。路径规划一直是无人驾驶技术的一个核心和难点问题,随着驾驶环境复杂度的提高,路径规划的难度也会成急剧上升。考虑动态环境的影响、车辆的非完整约束以及车辆自主驾驶时的安全性、平滑性和实时性要求,本文提出了一种基于双层模型的自动驾驶车辆路径规划方法,用于复杂多障碍物环境下的自动驾驶车辆导航。首先对比分析各种环境建模方法的优缺点,为了方便路径规划的设计,本文采用栅格法对环境进行建模。其次搭建双层模型,包括生成全局路径的高层模型与提供精确导航的低层模型。高层模型采用BT-A*路径规划算法,该方法对采点A*进行了优化,一方面采用双向搜索提高了搜索效率,另一方面继承了采点A*搜索时的方向具有目的性的优点,生成的全局路径连接起点和目标点,此外,BT-A*算法对障碍物的编码进行了扩大设置,将障碍物周边一圈的栅格设置为不可行区域以防碰撞,因此,该全局路径具备足够高的安全系数。高层模型规划速度快,规划所得的全局路径大致避开了障碍物,具备一定的安全性,但若选取高层模型作为最终规划路径,由于动态环境的影响,会带来高层模型频繁重规划的问题,影响规划效率。同时,该全局路径较为粗略,且没有考虑运动学约束,会导致车辆跟踪时出现较大误差,存在安全隐患。针对这些问题,引入基于模型预测的低层规划模型采用预瞄策略,引入车辆运动学模型,将非线性动力学模型线性化,构建约束。首先用离散化的点表示高层模型所规划的全局路径,由于全局路径中拐角处并不符合运动学轨迹,因此设计新的拐角处参照点,使全局参照路径符合运动学轨迹,并设计了具有避障功能的目标函数,该函数综合了权重系数、惩罚函数以及车速,其中惩罚函数的数值与障碍物点和车辆质心的距离有关,权重系数关系到局部路径的保守度。用五次多项式将计算所得的离散点拟合成光滑的实时局部路径曲线,输入给模型预测控制器的跟踪模块,执行跟踪功能。低层模型规划更精准、安全,由于规划距离短,其效率更高,保证车辆在多障碍物环境下行驶的安全性、平顺性以及舒适性。最后通过Simulink和Carsim联合仿真对双层模型路径规划进行验证,并用一辆真实的自动驾驶汽车在几种不同的驾驶场景中进行验证,观察到该方法产生了灵活、平滑和安全的路径,使车辆能够在复杂的环境中行驶。通过对比试验和统计分析,表明该方法在车辆路径规划方面是有效的。