CN117826825B - 基于人工势场算法的无人矿卡局部路径规划方法及系统 - Google Patents

Abstract

本发明公开了基于人工势场算法的无人矿卡局部路径规划方法及系统，涉及无人矿卡控制技术领域，包括配置数据传感器采集环境数据、车辆运行状态数据以及障碍物信息；基于改进人工势场算法进行障碍物椭圆势场的建立，完成目标点基于障碍点的目标建模；引入车道保持约束、最短路径原则、最优曲率原则和路径航向约束进行路径规划。本发明提供的基于人工势场算法的无人矿卡局部路径规划方法考虑了车辆车身形状的影响，选用椭圆势场整障碍车辆势场的作用，建立了对称点障碍模型的方法保证了局部目标点在对称轴上，使计算结果更加精确且贴合实际，确保矿卡移动更加灵活、安全。本发明在安全性、灵活性以及适用性方面都取得更加良好的效果。

Description

基于人工势场算法的无人矿卡局部路径规划方法及系统

技术领域

本发明涉及无人矿卡控制技术领域，具体为基于人工势场算法的无人矿卡局部路径规划方法及系统。

背景技术

矿卡是矿区中交通运输的重要载体，通常情况下，矿卡车辆在矿区车道上行驶时，会保持较为稳定的间距，且车速处于安全区间，但是矿区天气复杂多样、工作环境恶劣、事故频发，受这些因素的影响，道路状态会受到较大影响，可能会出现偏离正常航道的问题，且车速会出现不稳定的问题，极易造成交通事故，对矿区安全、工人安全以及驾驶安全造成负面影响，且会给交通疏导造成一定的困难。因此，随着国家对矿山智慧化、安全化建设的要求逐年提升，为了保障车辆行驶安全，减少人工驾驶矿卡的失误，引入无人驾驶系统不仅可以有效降低因运输带来的人员安全风险，还能彻底解决招工难的问题。由于矿山道路路况差，非结构化障碍物多，路面循迹避障算法的要求都不同于结构化道路场景，故考虑无人矿卡局部路径规划意义重大。路径规划功能是智能汽车实现自主驾驶的基础，自动驾驶车辆常用的路径规划算法主要包括基于搜索的规划算法、基于随机采样的规划算法、基于曲线插值的规划算法和基于数值优化的规划算法。Montemerlo M等人描述了在A*算法基础上改进的Hybrid A*算法，将车辆坐标-、车辆航向角和车辆运动方向生成四维向量组描述车辆状态，解决了传统A*算法不满足车辆行驶需求的离散问题。周相坡等人使用PRM算法采样时保留每次采样时与障碍物距离最远的点，进行后续的路径连接和搜索，该算法生成的路径可有效远离障碍物，提高了路径的安全性。Kuwata Y等人分析了DARPA比赛中运动规划子系统，提出一种改进的RRT算法，使车辆在不确定性和有限感知的情况下保持安全行驶。曲线插值采用不同的方法进行路径平滑和曲线生成，但很难处理边界约束等问题。基于数值优化的方法将运动规划作为一个数学优化问题，规划结果是连续的、最优的和时空的。然而，由于车辆运动学模型是非线性的，且避碰约束是非凸的，因此优化问题的求解非常困难且效率低下，同时，该算法缺少全局性。

人工势场法是一种传统的经典路径规划算法，其具有实现简单、计算量小、规划路径较为平滑等特点，而人工势场法是将所有环境信息整合成不同的力源，通过不同力源的合力来引导智能体的行动，当出现合力为0的情况时，智能体易陷入最小极值点，从而导致路径规划失败。无人矿卡的局部路径规划通过车载传感器进行道路环境信息感知，通过系统决策进行车辆的行为规划，完成从目标起点至目标终点路径规划，并通过车辆控制器完成估计的跟踪。

本发明基于改进的人工势场算法规划无人矿卡局部路径，使计划路径形状尽可能流畅自然，同时也确保计划路径保持在一定的距离中心线的道路上，为无人矿卡的控制研究奠定了基础。这一创新旨在提升矿卡的路径规划性能，使其更安全、高效地在矿区内行驶，从而推动矿山智能化和安全化的进一步发展。

发明内容

鉴于上述存在的问题，提出了本发明。

因此，本发明解决的技术问题是：现有的无人矿卡局部路径规划方法存在难以适应复杂多变的地形，采用圆形势场精确度和灵活性不足，以及如何在通过不同力源的合力来引导智能体的行动时，当出现合力为0的情况时，避免智能体易陷入最小极值点，从而导致路径规划失败的问题。

为解决上述技术问题，本发明提供如下技术方案：一种基于人工势场算法的无人矿卡局部路径规划方法，包括配置数据传感器采集环境数据、车辆运行状态数据以及障碍物信息；基于改进人工势场算法进行障碍物椭圆势场的建立，完成目标点基于障碍点的目标建模；引入车道保持约束、最短路径原则、最优曲率原则和路径航向约束进行路径规划。

作为本发明所述的基于人工势场算法的无人矿卡局部路径规划方法的一种优选方案，其中：所述采集环境数据、车辆运行状态数据以及障碍物信息包括配置激光雷达采集障碍车辆的位置，配置车载摄像头收集道路宽度以及车道标记，配置惯性测量单元收集矿卡的速度、加速度和航向角。

作为本发明所述的基于人工势场算法的无人矿卡局部路径规划方法的一种优选方案，其中：所述基于改进人工势场算法进行障碍物椭圆势场的建立包括在二维空间中将被控矿卡设为质点并设定坐标为X＝(x,y)，目标点坐标为X_g＝(x_g,y_g)，确定被控矿卡到目标点的距离，表示为：

引力势场表示为：

其中，ρ_g(t)表示t时刻被控矿卡到目标点的距离，γ表示引力调整系数，k表示引力场系数；被控矿卡的引力表示为：

F_att(X)＝-▽U_att(X)＝kV_g

其中，V_g表示被控矿卡指向目标点的单位向量。

作为本发明所述的基于人工势场算法的无人矿卡局部路径规划方法的一种优选方案，其中：所述基于改进人工势场算法进行障碍物椭圆势场的建立还包括若在障碍车辆存在的情况下，设障碍车辆欧式空间中的坐标位置为X_ob＝(x_ob,y_ob)，结合调和函数构建斥力势场，斥力势场表示为：

其中，η和ρ_o为斥力势场的作用系数和距离范围，ρ_ob表示被控矿卡与障碍点之间的距离；根据斥力势场函数，当ρ_ob≤ρ_o，控制对象的斥力表示为：

其中，V_ob为被控矿卡指向障碍点的方向向量，m表示斥力势场影响参数；当空间中存在n个有效障碍物时，被控矿卡的合力表示为：

确定被控矿卡的合力后，构建障碍卡车的椭圆势场，完成势能场的构建。

作为本发明所述的基于人工势场算法的无人矿卡局部路径规划方法的一种优选方案，其中：所述基于障碍点的目标建模包括基于改进人工势场算法进行被控目标建模，进行障碍物椭圆势场的建立，完成目标点基于障碍点的目标建模，以障碍车辆的几何中心为椭圆势场的圆心，长短轴分别为a和b，障碍势场U_truck表示为：

其中，k_truck为障碍车辆势场刚度，表示第i个障碍的几何中心坐标。

作为本发明所述的基于人工势场算法的无人矿卡局部路径规划方法的一种优选方案，其中：所述路径规划包括引入车道保持约束、最短路径原则、最优曲率原则和路径航向约束；所述车道保持约束通过约束车辆行驶在与车道中心线的距离为道路约束，表示为：

其中，L_i表示第i个控制点的车辆位置，L_d表示车道中心线的位置，N表示控制节点总数；所述最短路径原则通过计算相邻控制节点的路径长度变化量来计算最短路径，表示为：

其中，Δx_i和Δy_i表示第i个控制点的路径长度变化量，Δx_c,i和Δy_c,i表示控制节点之间的位置变化量，表示路径长度的向量表示，T表示转置；所述优曲率原则将路径简化为由分段式自然三次样条曲线连接控制节点组成，进行路径曲率的二次式计算，表示为：

其中，表示第i段路径的曲率的平方，s表示路径参数，s^*表示归一化的路径参数，x_ri(s^*)和y_ri(s^*):第i段路径在x轴和y轴上的位置函数，表示为自然三次样条曲线，a_0i,a_1i,a_2i,a_3i表示控制x轴上第i段样条曲线形状的系数，b_0i,b_1i,b_2i,b_3i表示控制y轴上第i段样条曲线形状的系数，s_i0表示第i段路径的起始参数值，Δs:第i段路径的总长度；所述路径航向约束通过控制相邻节点间的航向角来实现路径航向约束，相邻控制节点间的航向角表示为：

完成约束构建后，将四项约束转换为多目标优化函数。

作为本发明所述的基于人工势场算法的无人矿卡局部路径规划方法的一种优选方案，其中：所述路径规划还包括完成约束构建后，将四项约束转换为多目标优化函数，表示为：

其中，I为控制变量，包含四个约束的变化参数，λ₁、λ₂以及λ₃表示权重系数。

本发明的另外一个目的是提供一种基于人工势场算法的无人矿卡局部路径规划系统，其能通过采用椭圆势场区域来调整车辆的势场作用区域且以障碍车辆的几何中心为椭圆势场的圆心，从而更准确地反映了障碍物的实际情况，为路径规划提供了更精确和灵活的势场调整机制，解决了目前的人工势场技术采用圆形势场造成势场不能完全贴合实际导致车辆灵活性差的问题。

作为本发明所述的基于人工势场算法的无人矿卡局部路径规划系统的一种优选方案，其中：包括数据采集模块，势场构建模块，路径规划模块；所述数据采集模块用于配置数据传感器采集环境数据、车辆运行状态数据以及障碍物信息；所述势场构建模块基于改进人工势场算法进行障碍物椭圆势场的建立，完成目标点基于障碍点的目标建模；所述路径规划模块用于引入车道保持约束、最短路径原则、最优曲率原则和路径航向约束进行路径规划。

一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序是实现基于人工势场算法的无人矿卡局部路径规划方法的步骤。

一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现基于人工势场算法的无人矿卡局部路径规划方法的步骤。

本发明的有益效果：本发明提供的基于人工势场算法的无人矿卡局部路径规划方法采用改进的人工势能法有效进行车辆路径规划，以更好地适应复杂多变的矿区环境，为提高路径规划的精度和适应性提供了新的可能性。考虑了车辆车身形状的影响，选用椭圆势场整障碍车辆势场的作用，建立了对称点障碍模型的方法保证了局部目标点在对称轴上，进而基于自然三次样条曲线和全局优化在满足车道保持约束、最短路径原则、最优曲率原则和路径航向约束的前提下进行路径规划，使计算结果更加精确且贴合实际，确保矿卡移动更加灵活、安全。本发明在安全性、灵活性以及适用性方面都取得更加良好的效果。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图。

图1为本发明第一个实施例提供的一种基于人工势场算法的无人矿卡局部路径规划方法的整体流程图。

图2为本发明第二个实施例提供的一种基于人工势场算法的无人矿卡局部路径规划方法的20km/h的实际运动路径图。

图3为本发明第一个实施例提供的一种基于人工势场算法的无人矿卡局部路径规划方法的35km/h的实际运动路径图。

图4为本发明第三个实施例提供的一种基于人工势场算法的无人矿卡局部路径规划系统的整体流程图。

具体实施方式

为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合说明书附图对本发明的具体实施方式做详细的说明，显然所描述的实施例是本发明的一部分实施例，而不是全部实施例。基于本发明中的实施例，本领域普通人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明的保护的范围。

实施例1

参照图1，为本发明的一个实施例，提供了一种基于人工势场算法的无人矿卡局部路径规划方法，包括：

S1：配置数据传感器采集环境数据、车辆运行状态数据以及障碍物信息。

更进一步的，采集环境数据、车辆运行状态数据以及障碍物信息包括配置激光雷达采集障碍车辆的位置，配置车载摄像头收集道路宽度以及车道标记，配置惯性测量单元收集矿卡的速度、加速度和航向角。

S2：基于改进人工势场算法进行障碍物椭圆势场的建立，完成目标点基于障碍点的目标建模。

更进一步的，人工势场法是一种传统的经典路径规划算法，它是将所有环境信息整合成不同的力源，通过不同力源的合力来引导智能体的行动，当出现合力为0的情况时，智能体易陷入最小极值点，从而导致路径规划失败。针对这一问题，解决方法可分为三类：优化势场函数、逃离最小极值以及与其他算法混合使用来解决问题。本发明选择采用优化势场函数来避免智能体陷入最小极值点，以更好的进行路径规划。

应说明的是，基于改进人工势场算法进行障碍物椭圆势场的建立包括在二维空间中将被控矿卡设为质点并设定坐标为X＝(x,y)，目标点坐标为X_g＝(x_g,y_g)，确定被控矿卡到目标点的距离，表示为：

引力势场表示为：

其中，ρ_g(t)表示t时刻被控矿卡到目标点的距离，γ表示引力调整系数，k表示引力场系数。被控矿卡的引力表示为：

F_att(X)＝-▽U_att(X)＝kV_g

其中，V_g表示被控矿卡指向目标点的单位向量。

还应说明的是，基于改进人工势场算法进行障碍物椭圆势场的建立还包括若在障碍车辆存在的情况下，设障碍车辆欧式空间中的坐标位置为X_ob＝(x_ob,y_ob)，结合调和函数构建斥力势场，斥力势场表示为：

其中，η和ρ_o为斥力势场的作用系数和距离范围，ρ_ob表示被控矿卡与障碍点之间的距离。

根据斥力势场函数，当ρ_ob≤ρ_o，控制对象的斥力表示为：

其中，V_ob为被控矿卡指向障碍点的方向向量，m表示斥力势场影响参数。

当空间中存在n个有效障碍物时，被控矿卡的合力表示为：

确定被控矿卡的合力后，构建障碍卡车的椭圆势场，完成势能场的构建。

更进一步的，基于改进人工势场算法进行被控目标建模，首先进行障碍物椭圆势场的建立，完成目标点基于障碍点的目标建模。通过考虑车身形状在传统圆形势场建立“椭圆势场”调整障碍车辆势场的作用区域，能够在考虑障碍车辆车身形状的情况下区别于传统圆形势场。基于改进人工势场算法进行被控目标建模，进行障碍物椭圆势场的建立，完成目标点基于障碍点的目标建模，以障碍车辆的几何中心为椭圆势场的圆心，长短轴分别为a和b，障碍势场U_truck表示为：

其中，k_truck为障碍车辆势场刚度，表示第i个障碍的几何中心坐标。

S3：引入车道保持约束、最短路径原则、最优曲率原则和路径航向约束进行路径规划。

更进一步的，路径规划包括引入车道保持约束、最短路径原则、最优曲率原则和路径航向约束。

车道保持约束作为路径规划中的首要考虑因素，是确保规划路径不会过度偏离车道的至关重要约束指标。这一约束的引入旨在有效防止路径规划结果与车道的偏差超过可接受的范围，从而保障了无人矿卡在行驶过程中能够稳定、安全地保持在规定的车道范围内。车道保持约束通过约束车辆行驶在与车道中心线的距离为道路约束，表示为：

其中，L_i表示第i个控制点的车辆位置，L_d表示车道中心线的位置，N表示控制节点总数。

规划路径应尽可能在保证车辆安全的情况下通过减少路径长度来提高卡车运输效率，减少运输成本。最短路径原则通过计算相邻控制节点的路径长度变化量来计算最短路径，表示为：

其中，Δx_i和Δy_i表示第i个控制点的路径长度变化量，Δx_c,i和Δy_c,i表示控制节点之间的位置变化量，表示路径长度的向量表示，T表示转置。

大曲率表示车辆在行驶时需要经历较大的转向角度变化，这在车辆行驶中是相当危险的。因此，在路径规划过程中，必须遵循最优曲率原则，确保曲率的变化趋势平缓，使得车辆行驶过程中的转向更为自然且平稳。这一原则的遵循有助于降低驾驶风险，提升行车安全性，使车辆在路径转向时能够更加稳妥地完成过渡。优曲率原则将路径简化为由分段式自然三次样条曲线连接控制节点组成，进行路径曲率的二次式计算，表示为：

其中，表示第i段路径的曲率的平方，s表示路径参数，s^*表示归一化的路径参数，x_ri(s^*)和y_ri(s^*):第i段路径在x轴和y轴上的位置函数，表示为自然三次样条曲线，a_0i,a_1i,a_2i,a_3i表示控制x轴上第i段样条曲线形状的系数，b_0i,b_1i,b_2i,b_3i表示控制y轴上第i段样条曲线形状的系数，s_i0表示第i段路径的起始参数值，Δs:第i段路径的总长度。

路径航向约束指的是路径规划确保车辆沿着车道中心线行驶时，航向角度与中心线保持一致。这有助于防止车辆偏离车道，保障了车辆行驶在既定的方向上，提高了行车的安全性和稳定性。路径航向约束通过控制相邻节点间的航向角来实现路径航向约束，相邻控制节点间的航向角表示为：

完成约束构建后，将四项约束转换为多目标优化函数。

应说明的是，路径规划应满足这四个约束来确保所规划路径的合理与安全。因此，可将该问题转为一个多目标优化问题。优化目标是使计划路径形状尽可能流畅自然，同时也确保计划路径长度尽可能短，并且路径朝向尽可能与道路的中心线一致。换句话说，它希望在相应的计划节点，路径的曲率变化的总合是最小的，同时，剩下的三个约束条件的变化也最小。完成约束构建后，将四项约束转换为多目标优化函数，表示为：

其中，I为控制变量，包含四个约束的变化参数，λ₁、λ₂以及λ₃表示权重系数。

实施例2

参照图2-图3，为本发明的一个实施例，提供了一种基于人工势场算法的无人矿卡局部路径规划方法，为了验证本发明的有益效果，通过经济效益计算和仿真实验进行科学论证。

利用SCANeR软件搭建测试环境，同时结合Matlab/Simulink软件对基于人工势场的路径规划算法编程控制进行了改进，完成提出的基于人工势场算法路径规划方法性能验证。在SCANeR中进行相关道路信息的设置并将相应的环境感知传感器添加到自主车辆控制和动态模型中。

设无人矿卡车恒速行驶20km/h、35km/h，通过车载感知传感器进行障碍物的检测。在检测遇到障碍物后，通过局部路径规划系统进行路径规划和车道变换，完成车辆避障，得到路径如图2和图3的仿真结果。

结果显示规划的自主车辆的移动路径与目标路径基本一致，且车辆轨迹的曲率十分平顺，未出现大曲率路径的现象。

实施例3

参照图4，为本发明的一个实施例，提供了一种基于人工势场算法的无人矿卡局部路径规划系统，包括数据采集模块，势场构建模块，路径规划模块。

其中，数据采集模块用于配置数据传感器采集环境数据、车辆运行状态数据以及障碍物信息。势场构建模块基于改进人工势场算法进行障碍物椭圆势场的建立，完成目标点基于障碍点的目标建模。路径规划模块用于引入车道保持约束、最短路径原则、最优曲率原则和路径航向约束进行路径规划。

功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。

在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用，或结合这些指令执行系统、装置或设备而使用。就本说明书而言，“计算机可读介质”可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。

计算机可读介质的更具体的示例(非穷尽性列表)包括以下：具有一个或多个布线的电连接部(电子装置)、便携式计算机盘盒(磁装置)、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编辑只读存储器(EPROM或闪速存储器)、光纤装置以及便携式光盘只读存储器(CDROM)。另外，计算机可读介质甚至可以是可在其上打印程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得程序，然后将其存储在计算机存储器中。

应当理解，本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA)，现场可编程门阵列(FPGA)等。应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的精神和范围，其均应涵盖在本发明的权利要求范围当中。

应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的精神和范围，其均应涵盖在本发明的权利要求范围当中。

Claims (7)

1.一种基于人工势场算法的无人矿卡局部路径规划方法，其特征在于，包括：

配置数据传感器采集环境数据、车辆运行状态数据以及障碍物信息；

基于改进人工势场算法进行障碍物椭圆势场的建立，完成目标点基于障碍点的目标建模；

引入车道保持约束、最短路径原则、最优曲率原则和路径航向约束进行路径规划；

所述基于改进人工势场算法进行障碍物椭圆势场的建立，包括：在二维空间中将被控矿卡设为质点并设定坐标为X＝(x,y)，目标点坐标为X_g＝(x_g,y_g)，确定被控矿卡到目标点的距离，表示为：

引力势场表示为：

其中，表示t时刻被控矿卡到目标点的距离，γ表示引力调整系数，k表示引力场系数；

被控矿卡的引力表示为：

其中，V_g表示被控矿卡指向目标点的单位向量；

所述车道保持约束通过约束车辆行驶在与车道中心线的距离为道路约束，表示为：

其中，L_i表示第i个控制点的车辆位置，L_d表示车道中心线的位置，N表示控制节点总数；

所述最短路径原则通过计算相邻控制节点的路径长度变化量来计算最短路径，表示为：

其中，Δx_i和Δy_i表示第i个控制点的路径长度变化量，Δx_c,i和Δy_c,i表示控制节点之间的位置变化量，表示路径长度的向量表示，T表示转置；

所述最优曲率原则将路径简化为由分段式自然三次样条曲线连接控制节点组成，进行路径曲率的二次式计算，表示为：

其中，表示第i段路径的曲率的平方，s表示路径参数，s^*表示归一化的路径参数，x_ri(s^*)和y_ri(s^*):第i段路径在x轴和y轴上的位置函数，表示为自然三次样条曲线，a_0i,a_1i,a_2i,a_3i表示控制x轴上第i段样条曲线形状的系数，b_0i,b_1i,b_2i,b_3i表示控制y轴上第i段样条曲线形状的系数，s_i0表示第i段路径的起始参数值，Δs:第i段路径的总长度；

所述路径航向约束通过控制相邻节点间的航向角来实现路径航向约束，相邻控制节点间的航向角表示为：

完成约束构建后，将四项约束转换为多目标优化函数；

所述路径规划还包括完成约束构建后，将四项约束转换为多目标优化函数，表示为：

其中，I为控制变量，包含四个约束的变化参数，λ₁、λ₂以及λ₃表示权重系数。

2.如权利要求1所述的基于人工势场算法的无人矿卡局部路径规划方法，其特征在于：所述采集环境数据、车辆运行状态数据以及障碍物信息，包括：配置激光雷达采集障碍车辆的位置，配置车载摄像头收集道路宽度以及车道标记，配置惯性测量单元收集矿卡的速度、加速度和航向角。

3.如权利要求2所述的基于人工势场算法的无人矿卡局部路径规划方法，其特征在于：所述基于改进人工势场算法进行障碍物椭圆势场的建立，还包括：若在障碍车辆存在的情况下，设障碍车辆欧式空间中的坐标位置为X_ob＝(x_ob,y_ob)，结合调和函数构建斥力势场，斥力势场表示为：

其中，η和ρ_o为斥力势场的作用系数和距离范围，ρ_ob表示被控矿卡与障碍点之间的距离；

根据斥力势场函数，当ρ_ob≤ρ_o，控制对象的斥力表示为：

其中，V_ob为被控矿卡指向障碍点的方向向量，m表示斥力势场影响参数；

当空间中存在n个有效障碍物时，被控矿卡的合力表示为：

确定被控矿卡的合力后，构建障碍卡车的椭圆势场，完成势能场的构建。

4.如权利要求3所述的基于人工势场算法的无人矿卡局部路径规划方法，其特征在于：所述基于障碍点的目标建模，包括：基于改进人工势场算法进行被控目标建模，进行障碍物椭圆势场的建立，完成目标点基于障碍点的目标建模，以障碍车辆的几何中心为椭圆势场的圆心，长短轴分别为a和b，障碍势场U_truck表示为：

其中，k_truck为障碍车辆势场刚度，表示第i个障碍的几何中心坐标。

5.一种采用如权利要求1～4任一所述的基于人工势场算法的无人矿卡局部路径规划方法的系统，其特征在于：包括数据采集模块，势场构建模块，路径规划模块；

所述数据采集模块用于配置数据传感器采集环境数据、车辆运行状态数据以及障碍物信息；

所述势场构建模块基于改进人工势场算法进行障碍物椭圆势场的建立，完成目标点基于障碍点的目标建模；

所述路径规划模块用于引入车道保持约束、最短路径原则、最优曲率原则和路径航向约束进行路径规划。

6.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至4中任一项所述的基于人工势场算法的无人矿卡局部路径规划方法的步骤。

7.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至4中任一项所述的基于人工势场算法的无人矿卡局部路径规划方法的步骤。