融合改进A^*和动态窗口法的AGV动态路径规划

路径规划对AGV(automated guided vehicle)完成自主导航起着关键性的作用,针对这点出发,提出一种全局采用改进的A*算法,局部在保证全局最优的情况下采用融合A^*(A-star)和动态窗口法(dynamic window approach,DWA)两种算法,首先在传统的评价函数基础上加入AGV的位置信息,设置了包含代价函数和启发函数的权重函数,其次,将传统的8个搜索方向,变成了5个,提高了路径搜索效率,为了进一步增加路径的平顺性,对节点进行优化,删除了多余的转折点,保留下关键的转折点,然后在此基础上又设置了安全域值,进一步删除多余的转折点,从而保证了全局路径最优,为了实现AGV实时动态避障,将A^*和DWA两种算法融合,进行在线实时规划路径,设计了一种基于全局最优路径的圆滑路径曲线,经过仿真,提出的算法在路径长度、机器人平均转折角度、运行时间等都大大减少,最后通过实验进一步验证了算法的可行性。

基于改进A*算法的AGV路径规划

路径规划是AGV能够完成自动导航、任务调度、泊车等功能的核心技术之一,为此,提出了一种基于改进A*算法的AGV路径规划,首先建立了AGV的运动学模型,然后对传统的A*算法作出了改进,一是在传统评价函数基础上添加了环境信息和AGV的位置信息,并设置了代价函数和启发函数的权重函数;二是为提高安全性设置了安全域值,并对路径节点进行了优化,删除了转折节点中多余的节点,保留关键的节点。通过仿真验证表明:改进后的A*算法搜索效率大大提高,路径更平滑,移动机器人避障能力强,安全性提高。