3 障碍物避障
对于无人驾驶巡逻车来说，在巡逻过程中是否能快速、准确的对周围环境中障碍物做出反应，实时避行驶过程中的障碍物且连续的行驶到目的地是非常关键的。
目前，轮式移动机器人的避障方法很多，根据对环境信息获取方式的不同可以将无人车的避障规划分为两种类型：一种是基于环境信息完全已知的全局路径规划；另一种是基于从传感器实时获取信息的局部路径规划。根据无人驾驶巡逻车运行环境中障碍物的运动方式不同，可以将其避障规划分为两种类型：在静态障碍物环境中避障规划和在动态障碍物环境中避障规划。
由于无人驾驶巡逻车行驶环境中的障碍物几乎不可能全为静态障碍物，所以把行驶环境中的静态障碍物当作动态障碍物，其速度为零，然后应用动态障碍物环境中的动态避障规划算法进行局部避障。常用的避障算法主要有人工势场算法和VFH算法[5]。
3.1 经典人工势场算法
人工势场算法是通过位置信息来控制无人驾驶巡逻车的避障行驶的。实质是把无人驾驶巡逻车的行驶环境当作为一个人工虚拟势场，该势场为目标位置的引力场和行驶环境中障碍物的斥力场的叠加[6]。无人驾驶巡逻车通过搜索势函数的下降方向来寻找无碰撞路径，随巡逻车与目标点的距离增加而单调递增，方向指向目标点；斥力场在机器人处在障碍物位置时为最大值，随巡逻车与障碍物距离的增大而单调减小，方向为远离障碍物方向。
无人驾驶巡逻车的避障就是在行驶环境中及时有效的避开前进中的障碍物，其运动方向是受其所处位置的势场和其负梯度决定的，人工势场算法和其他避障算法相比具有计算简便、实时性强等优点。同时也存在目标点不可达、局部最小点等问题。
目标点不可达问题即无人驾驶巡逻车在目标点周围不停地振荡，且始终无法到达目标点问题[7]。当其向目标点行驶且离目标点较近时，当前位置的引力大于斥力，其向着目标点前进；而当其行驶到下一个位置时如果引力小于斥力，则其会向远离目标点方向移动，从而导致巡逻车在目标点附近振荡，始终无法到达目标点。
局部最小点问题是无人驾驶巡逻车在行驶过程中的某一点达到受力平衡，所受的引力等于所受的斥力，此位置全局合力为零但不是目标点，导致其停在当前位置无法前进。
作者：王然