01 / EXPLORATION
随机树探索
从起点向自由空间扩展搜索树，避开障碍并寻找可行连接。
Self-developed Path Planning
01路径规划算法
团队自研 RRT* 路径规划与 PID 轨迹跟踪方案，以仿真结果持续验证复杂环境下的可行路线。
Algorithm Overview
RRT* 搜索
PID 稳定跟踪
在包含多类障碍物的仿真环境中，算法从起点搜索可行路径并持续优化，再以 PID 控制器跟踪规划轨迹，为后续车辆控制与云端决策研究提供基础。
02 / OPTIMIZATION
持续优化路径
随着采样增加，RRT* 通过重新连接改善路线质量。
03 / CONVERGENCE
形成可行路线
在障碍环境中得到连接目标点的规划结果，并进入轨迹跟踪验证。
Iteration Archive
完整迭代记录
保留每一步原始输出，横向滚动可连续查看路径树的生长与收敛过程。
STEP 02
STEP 03
STEP 04
STEP 05
STEP 07
STEP 08
STEP 09
STEP 10
STEP 11
STEP 12Visual Output
算法结果
可以被直观看见
蓝色虚线为规划路径，车辆在 PID 控制下沿路线跟踪目标点。
Final Result
规划与跟踪
闭环验证
结果页面同时呈现障碍分布、目标点、规划轨迹与车辆位置，用于分析路线安全性、平滑性和控制跟踪效果。
复杂障碍目标搜索路径优化轨迹跟踪
Research Output
从算法实验
沉淀为研究成果
团队已形成 4 篇相关论文，并将算法能力与云控制平台、专利节点设备持续联调。
PAPER 01
智能驾驶相关论文
PAPER 02
路径规划研究
PAPER 04