狭窄空间无人机动态三维A*算法研究

针对三维飞行器在动态环境下使用三维A*算法进行局部仿真时,环境信息未知,存在冗余点和拐点,导致收敛时间长、路径节点扩展代价大、易陷入局部最优问题,提出一种基于全局与局部相结合的动态三维A*寻路算法;此算法首先改进评价函数的权值系数动态分配,减小路径冗余点和拐点,全局规划算法耗时降低2%,路径长度缩短7%,局部规划算法耗时降低20%,路径长度缩短12.4%;其次改进路径生成策略,有效提高算法效率,避免陷入局部最优,从而实现飞行器在三维动态环境中的路径规划;将改进后的算法进行仿真对比,仿真结果表明,改进后的算法路径更加合理,算法耗时和路径长度更短。

基于改进三维A*算法的三栖机器人路径规划研究

本文提出了一种适合水陆空三栖环境的基于改进三维A*算法的全局规划算法。传统A*算法以路径最短作为规划目标,但是在三栖环境下所规划的路径并不一定是满足任务要求的最优方案。基于此提出了一种以传统A*算法为基础,以时间代价和耗能代价为目标的规划函数,通过分析机器人在水陆空三种环境下运动的时间和耗能代价以及状态切换时产生的耗能代价,重新定义A*算法的代价函数,使机器人能够选择最适合当前任务目标的路径。通过验证,在三栖环境下,改进三维A*算法能选择更优的行进模式,提高机器人的工作效率。

基于改进A~*算法的AGV智能泊车算法

随着社会的发展和文明的进步,人类对车辆智能化水平、便捷性和安全性的要求越来越高,针对停车场车位少、停车难的问题,在A*算法的基础上,增加了时间因素,将等待时间加入启发函数,综合路径距离和等待时间两个因素进而规划出入库和出库任务的最佳路径,设计了三维A*智能泊车算法,在结构化环境下,根据给定的停车场地图,预留出最优车位,规划出多辆同时工作的自动导引车(Automated Guided Vehicle, AGV)最优路径,安排AGV运载车辆到指定车位或完成出库过程,尽量减少客户在停车和取车中的等待时间,并使总成本最小,呈现真正"互联网化"的智能停车体验.

基于图搜索与数值优化方法的分层轨迹规划方法

针对结构化道路场景中多约束的轨迹规划问题,提出一种路径和速度协同搜索、解耦优化的分层轨迹规划方法.上层初始轨迹规划器考虑动态障碍物风险场与时空信息,构造时空代价地图,通过三维A*算法搜索得到安全可行的初始轨迹,保证初始轨迹解的质量.下层运动轨迹规划器将轨迹规划解耦为路径规划和速度规划,以最小曲率、最大速度以及舒适性等为目标,采用数值优化算法构建路径和速度样条优化模型,使其在避障过程中能够充分发挥车辆的动力性能,同时保证驾乘舒适性,并以局部时空隧道思想简化约束条件,提高求解效率.通过试验验证本文提出的方法具有较好的行驶效率、舒适性以及实时性.