matlab人工势场法三维演示图,人工势场法（Artificial Potential Field Method）的学习

最近的工作重心回到到算法上之后，陆陆续续开始学习一些自动驾驶的控制算法。目前工作的方向主要是online trajectory generation和底层控制。

对于在线路径规划，一个重要的概念是其应该能提供给车辆一个速度和方向控制命令，使底层控制器跟随这个输入去执行运动控制操作。

人工势场法(Artificial Potential Field Method)是一个典型的在线路径算法。其运用了'水往低处流'的思路，很自然的能够理解车辆路径的产生规律。

话不多说，直接上Matlab代码看一下。

close all;clear

%% Copyright@https://www.jianshu/u/1f9b23cfe862

density = 0.2;

Grid_X = 0:density:10;

Grid_Y = 0:density:10;

Basic_Z = ones(length(Grid_X), length(Grid_Y));

P0 = 20;

a = 20; %斥力影响因素

b = 10; %引力影响因素

%%

Goal = [10,10]; %目标

Obs = [3,2;

3,3;

5,7;

5.3,6;

6,6;

2,4;

3,8;

4,7;

8,9]; %障碍物坐标

for k1 = 1: length(Grid_X)

for k2 =1:length(Grid_Y)

X_c = Grid_X(k1);

Y_c = Grid_Y(k2);

rre =[];

rat = sqrt((Goal(1)-X_c)^2 +(Goal(2)-Y_c)^2);

Y_rre = [];

Y_ata = [];

for k3 = 1:length(Obs)

rre(k3) = sqrt((Obs(k3,1)-X_c)^2 +(Obs(k3,2)-Y_c)^2);

Y_rre(k3) = a*(1/rre(k3) - 1/P0 ) *1/(rre(k3)^2); %基本斥力场公式

if isinf(Y_rre(k3))==1|| Y_rre(k3)>150 %为显示效果做的限制处理

Y_rre = 150;

end

end

Y_ata = b*rat; %基本引力场公式，注意这里引力只有一个值

Field_rre(k1,k2) = sum(Y_rre);

Field_ata(k1,k2) = Y_ata;

end

end

SUM = Field_rre + Field_ata;

surf(Grid_X,Grid_Y,SUM) %总力场

下面两个图是基于以上代码最后的路径和总势场。 [10,10] 是目标点，而[0,0]是我们的初始位置。

Path

Field

其实该方法有很多局限性，比如如果障碍物很靠近终点(如[9,9])，则可能无法达到。如果某个地方应力与斥力相等，则可能陷入布局最优。因此有很多改进法。后续再谈。