融合改进A^(*)算法与动态窗口法的移动机器人路径规划

针对当前移动机器人存在的全局未知环境路径规划的不足,提出一种将改进A^(*)算法与动态窗口法进行融合的机器人路径规划方法,首先将传统A^(*)算法8搜索邻域进行扩展至32邻域并去除同向多余子节点,其次使用三阶Bezar曲线将改进后32邻域A^(*)算法进行平滑处理,降低机器人移动路径长度且轨迹更平滑,最后,将该A^(*)算法与动态窗口法进行结合,在能够保证局部位置环境避障的同时,能够保证全局规划出的路径最优。实验结果表明,该A^(*)算法规划路径具有明显优越性,同时实验证明融合算法具有更好的路径规划及动态避障能力。

基于A^(∗)和扩展动态窗口算法的欠驱动船舶自动靠泊轨迹规划

为优化欠驱动船舶自动靠泊的轨迹规划问题,避免陷入局部最优,提出一种考虑船舶运动学模型整体约束和障碍物约束的实时轨迹规划方法。在栅格化地图基础上,基于A^(∗)算法规划全局最优路径,运用冗余点删除策略得到轨迹规划的参考航路点。考虑到船舶靠泊为动态过程,基于扩展动态窗口算法(EDWA)对船舶恒力阶段和减速阶段的靠泊轨迹进行预测,并引入比例积分微分(PID)控制方法调整船舶航向。对所有预测轨迹进行可行性检验后,利用考虑目标点、参考航路点和障碍物等约束的评价函数得到最优轨迹,其相对应的力作为船舶的控制输入。在下一个采样时间基于船舶当前的控制输入和运动状态重复以上步骤进行实时规划,直至船舶到达目标点。以日照港为仿真场景验证本文方法的可行性,结果表明,该方法能够在较短时间内引导船舶避开障碍物到达指定泊位,轨迹与最近障碍物的距离为144.1428 m,轨迹长度较传统A^(∗)+EDWA长47.26 m,但规划时间减少了55.12%,表明了本文方法的优越性。

基于改进A*算法机器人路径规划研究

针对移动机器人全局路径规划问题提出一种改进A*算法;首先建立栅格地图,基于传统A*算法,进行邻域扩展,将传统8邻域扩展到24邻域,使路径方向具有更多选择,减少不必要的转折点;优化改进A*算法的启发式函数,不再采用单一的曼哈顿距离或者欧几里得距离,将其进行融合改进,剔除路径中冗余节点和多余转折点;最后将全局路径与动态窗口法相结合,结合各自的优点,充分考虑到机器人全局最优路径的同时能安全避开障碍物,得到一条平滑轨迹;各个算法进行验证之后采用ROS平台对系统进行仿真分析,实验结果表明,改进后算法具有更优秀的路径规划能力。