融合改进A^(*)算法与动态窗口法的路径规划研究

针对传统A^(*)算法搜索效率较低、拐点冗余和易碰撞等问题,提出了一种融合改进A^(*)算法与动态窗口法的智能车辆路径规划算法。改进了搜索点筛选方法、优化了评价函数、根据拐点间的斜率值筛选出关键拐点,并去除冗杂拐点。在优化后的每两个关键拐点间采用兼备速度与安全的优化动态窗口法进行局部避障。实验表明:该算法相较传统A^(*)算法在检索速度上提升了45%,拐点数量减少了91%,提高了路径平滑度。融合后的算法能在确保全局路径最优的情况下达到局部最优,可以实现实时避障。

基于ROS机器人的激光与视觉融合建图方法

针对移动机器人利用单一传感器信息在未知环境下进行同时定位与地图创建(SLAM)存在准确性低、信息丢失等问题,提出一种基于贝叶斯法则的单线激光雷达和深度相机信息结合的SLAM建图方法。充分利用由深度图像转化的伪激光雷达数据与激光雷达信息,按区分优先级的融合规则进行信息融合,在地图更新阶段,基于贝叶斯推理构建概率模型,对二维栅格地图进行更新。在真实场景下利用ROS机器人进行验证,实验结果表明多传感器融合所建地图与真实场景一致性较高,有效地提高了机器人的环境感知能力。