路径最优的移动机器人路径规划研究

针对传统A*算法在移动机器人路径规划中存在的效率低,拐点数目多,无法进行实时避障等问题,提出了一种基于改进A*算法与DWA算法联合避障的移动机器人路径规划方法。为提高A*算法的搜索效率,提出了自适应启发函数;为提高全局路径质量,提出了SPG算法并用于路径二次规划;为了使移动机器人拥有实时避障能力,提出改进A*算法与DWA算法的融合算法,并针对融合算法的局部最优问题,提出了扩展虚拟障碍物避对角策略。MATLAB仿真结果表明,文中启发函数相较于传统欧几里得启发函数,搜索效率明显提高,地图环境越大,障碍物占比越多,效果越明显;SPG算法进行路径二次规划效果优于当前几何法的路径二次规划方法;改进A*算法与DWA算法的融合算法,可以有效地进行实时避障并保证路径安全性;扩展虚拟障碍物避对角策略,有效解决了融合算法在障碍物对角处的局部最优问题。