直线多车道：三次主动换道
同车道前方有更慢的动态车时，邻道放虚拟目标点，连续换了三次。验证多车道和动态障碍。
返回科研成果直线：俯视换道过程 
S 弯：俯视避障过程
Research · 2024
Frenet-APF 车辆避障路径规划
Frenet-Artificial Potential Field Method for Vehicle Obstacle Avoidance Path Planning
传统 APF 过不了目标不可达和局部最优，也难上多车道和大曲率。Frenet-APF 改势场、加换道，再用 Frenet 把弯道当直道来规划。
EI 一作
ICICSP 2024
DOI 10.1109/ICICSP62589.2024.10809262
Best Presentation
最佳口头报告
2024.09.23 口头报告
50.65 m
路径长度
同一步长 0.5；APF 53.53 m，RRT 58.04 m
0.49 s
仿真耗时
短于 RRT 1.38 s；传统 APF 为 0.21 s
S 弯：大曲率仍平滑无碰
弯道先变到 Frenet 再规划。车沿参考线走 S 弯，仍能让开动态车。
01
项目背景
场景与任务
自动驾驶要把宏观路由和微观运动规划接起来。人工势场算得快，常被拿来做局部避障，但直接搬到车上会撞上交通约束。
论文定位
本人一作。会议是 2024 IEEE ICICSP，EI 检索；口头报告获 Best Presentation Award。仿真用 MATLAB Automated Driving Toolbox。
为什么难
- 障碍靠近目标时，目标不再是势能最低点，车会被推开，到不了点。
- 圆形斥力场纵横向尺度绑死：范围大了绕得远，小了纵向不够安全，相邻障碍一叠就掉进局部最优。
- 结构化道路有边界和车道线：不能压边线，还要尽量贴车道中心，需要时才能压线换道。
- 动态车要提前判断能不能换道；大曲率弯道在笛卡尔里把纵横向缠在一起。
02
系统架构
先用 A* 出全局路径，当作 Frenet 参考线。本车、障碍和车道从笛卡尔变到 s / d，改进 APF 在这条“直道”上出局部路径，再变回笛卡尔。
改进 APF 本身有四件事：调节因子、航向可调安全椭圆、道路势场、虚拟目标点换道。Frenet 是第五步，专门对付大曲率。
对照场景长 50 m、宽 10 m，七个随机朝向障碍，迭代步长都是 0.5。Frenet-APF 路径 50.65 m，短于传统 APF 的 53.53 m 和 RRT 的 58.04 m；仿真 0.49 s，短于 RRT 的 1.38 s。纸面上路径更贴障碍纵向安全距离。
03
核心系统设计
调节因子：目标点要去得了
问题：目标落在障碍斥力范围内时，吸引力几乎为零、斥力还在，车被推离目标。
改动：在斥力势里乘上到目标的距离项，让引力和斥力一起收到零。斥力拆成指向障碍的 Frep1 和指向目标的调节力 Frep2。
效果：目标重新成为势能最低点，车能到点。
航向可调安全椭圆：躲开局部最优
问题：圆形斥力场纵向安全和横向绕行互相打架；相邻圆一叠，纵向走会陷进去。
改动：斥力范围改成椭圆，长轴跟车长、相对速度和刹车时间走，短轴跟车宽走，再按航向转一下。
效果：横向影响面收窄，重叠陷阱少了，局部最优能绕过去。
结构化道路势场：贴车道、不压边
问题：边界不能过，车道线要尽量贴中心，避障时才允许压线。
改动：边界用钩形势（BPF），车道线用正弦势（LPF），谷在车道中心、峰在标线。论文里用五车道示意。
效果：路径不再穿边界，能贴车道中心走，换道时才压线。
虚拟目标点换道：动态车提前让
问题：同车道前方更慢或对向来车时，只靠斥力容易贴上去，没有换道决策。
改动：按相对速度算安全预警距离，看左右前后四块能不能换。能换就在邻道放虚拟目标点；两边都不能换就减速跟车。
效果：直线多车道仿真里完成三次主动换道。
Frenet + A*：大曲率当直道来做
问题：弯道上笛卡尔坐标把纵横向缠在一起，改进 APF 仍难直接用。
改动：A* 全局路径当参考线。笛卡尔位姿变到 s / d，APF 只在 Frenet 里规划，再变回笛卡尔。
效果：S 弯上也能出平滑无碰路径。
04
个人职责
主责
第一作者：提出 Frenet-APF，完成调节因子、安全椭圆、道路势场、虚拟目标点换道，以及与 Frenet / A* 的结合；用 MATLAB Automated Driving Toolbox 做直线与 S 弯仿真，并对照 RRT 与传统 APF。
合作
合作作者参与讨论与论文修订。