融合改进A^(∗)算法与动态窗口法的机器人避障研究

针对机器人在全局未知环境的路径规划中无法进行实时动态避障的问题,提出一种将改进的A^(*)算法与动态窗口法融合的机器人避障方法。首先将传统A^(*)算法3×3搜索领域扩展至5×5搜索领域,并将16个搜索方向进行取舍至9个,同时优化启发函数,通过优化时间复杂度来提升A^(*)算法搜索效率;然后进行冗余节点移除操作,剔除机器人路径中的多余拐点和共线的点;改进后的A^(*)算法较传统A^(*)算法平均减少了65.805%的路径规划时间和4.967%的路径长度。最后将改进的A^(*)算法与动态窗口算法进行结合,使得机器人具有动态避障能力,且保证机器人在局部避障的过程中得到全局路径规划的最优解。

基于改进A^(*)算法与动态窗口法融合的机器人随机避障方法研究

针对机器人在存在随机障碍物环境中采用A^(*)算法规划路径会出现碰撞或路径规划失败的问题,提出了一种将改进A^(*)算法与动态窗口法相融合的机器人随机避障方法。在改进A^(*)算法中,首先优化了搜索点选取策略和评价函数,提高了A^(*)算法的搜索效率;然后提出冗余点删除策略,剔除路径中的冗余节点,并在每两个相邻节点间采用动态窗口法进行局部规划,确保在全局最优路径基础之上,实时随机避障,使机器人顺利到达目标点。实验结果表明,改进A^(*)算法较传统A^(*)算法平均可减少4.39%的路径长度和65.56%的计算时长,融合动态窗口法后,能在全局路径基础上修正局部路径,实现随机避障,验证了该算法的有效性。

基于改进A^(*)算法和DWA融合的机器人路径规划研究

传统的A^(*)算法存在未考虑移动机器人实际行驶时间,路径规划转折点多,且无法处理复杂环境中出现随机障碍物等问题。针对上述问题,提出了一种将移动机器人行驶时间作为代价且能根据障碍物信息调整启发函数权重的改进A^(*)算法,有效地减少了路径规划时的转弯次数和转弯角度。使用Floyd算法进一步进行优化,删除冗余转折点,减少转弯次数以及提升路径的平滑度。改进后的A^(*)算法规划的路径相较于传统A^(*)算法平均转弯次数减少49.0%,转弯角度减少50.8%,路径长度减少1.7%。融合DWA算法后,能够在改进A^(*)算法规划的全局路径基础上进行局部路径修正,实现动态避障,最后经过仿真验证了算法的可行性和有效性。

基于改进A^(*)算法和动态窗口法的机器人路径规划

针对移动机器人在复杂环境下(包含静态和动态环境)的路径规划效率低的问题,提出了一种改进的A^(*)算法与动态窗口法相结合的混合算法。针对传统A^(*)算法安全性不足的问题,采用障碍规避策略,优化节点的选择方式,增加路径的安全性;针对转折点多的问题,采用递归二分法优化策略,去除冗余节点,减少转弯次数;针对静态环境下路径平滑性不足的问题,采用动态内切圆平滑策略将折线角优化成弧度角,以增加路径的平滑性。对于传统动态窗口法的目标点附近存在障碍物时规划效果不好和容易在凹型槽类障碍物中陷入局部最优的问题,在原有的评价函数中引入了距离偏差和轨迹偏差。最后,对所提的改进A^(*)算法和混合算法分别在静态和动态环境下与其他算法进行仿真比较。从结果可以看出,与传统混合算法相比,临时障碍环境下,路径长度和运行时间分别缩短了13.2%和65.8%;移动障碍环境下,路径长度和运行时间分别缩短了13.9%和44.9%,所提的算法提高了在复杂环境中规划路径的效率。

改进A^(*)和DWA融合的移动机器人导航算法

针对在移动机器人导航过程中,单一使用A^(*)算法或DWA(Dynamic Window Approach)算法无法兼具全局路径最优与实时避障的问题,提出一种基于改进A^(*)与DWA相融合的移动机器人导航算法.首先,在改进A^(*)算法中,引入环境信息自适应调整代价函数,提高搜索效率;并利用一种关键点选取策略剔除冗余点,保留必要的路径节点,从而规划出只具有关键点的全局路径.然后,在全局路径的基础上,构造结合关键点信息的DWA算法评价函数,进而应用DWA算法以关键点作为中间目标点规划局部路径,提高路径平滑性,实现全局路径最优以及实时避障功能.最后,通过仿真实验和真实环境实验的联合论证,验证了所提出导航算法的有效性和可行性.

融合改进A^(*)算法和动态窗口法的AGV路径规划

为了使AGV能够在变化的环境中快速响应新的任务,设计了一种融合改进A*算法和动态窗口法的路径规划算法。首先,将对数衰减因子作为权重引入启发函数改进A^(*)算法,避免搜索过多的节点;其次,提出一种策略提取改进A*算法求解路径中的关键节点,减少路径中的转折点;然后,重新设计动态窗口法的评价函数,使AGV与障碍物保持一定距离的同时,可以快速到达目标点。最后,通过仿真实验与传统A*算法和动态窗口法进行对比,实验结果显示,该融合算法规划的求解速度更快,路径质量更高。

融合改进蚁群算法和动态窗口法的AGV路径规划

针对传统蚁群算法中初期路径搜寻盲目、启发式函数作用较小、信息素更新规则单一、动态窗口法缺少全局性指导等问题,提出了基于改进蚁群算法的全局路径规划,通过改进初始信息素,提高了算法初期的寻径效率;通过改进启发式函数,减少了算法收敛的时间;通过改进信息素更新规则,同时考虑了路径长度和能耗,增加了路径的优越性。之后将改进后的蚁群算法与动态窗口法相融合,增加了动态窗口法中的评价函数,使动态窗口法沿改进蚁群算法最优路径进行实时的局部路径规划,令路径的静态全局最优和动态实时规划得到了兼容。仿真实验表明,改进后的蚁群算法相较传统算法迭代速度更快,转弯次数更少,融合后的算法在复杂环境中可以精确地实时路径规划,充分证明了该融合算法的可行性。

耦合改进JPS与DWA的无人机航迹规划

针对无人机传统的航迹规划方法存在求解效率低、适用范围窄的问题,提出一种考虑全局和局部规划相耦合的航迹规划方法。首先,提出几何航迹碰撞检测法以改进跳点搜索(JPS)算法,提升无人机在全局环境中航迹规划能力;其次,提出一种耦合策略的航迹规划框架,通过将无人机全局航迹信息与动态窗口局部航迹信息进行耦合,扩展动态窗口法的评价子函数,确保无人机在动态环境中具备灵活的避障能力;最后,通过仿真实验论证了所提改进JPS算法在全局搜索时间、航迹距离和航迹转折点数目等方面较现有方法的优势,验证了耦合算法在动态环境中的稳定避障能力。

基于分层架构的自主代客泊车路径规划

为了解决最后一公里自动驾驶问题,提出一种基于分层架构的自主代客泊车路径规划算法.首先,利用栅格扫描算法快速准确地将自主代客泊车环境地图转化成为Voronoi图,量化自主代客泊车环境中任意栅格格网区域与其最近障碍物距离.随后,利用A*算法规划出全局自主代客泊车路径,并采用优先队列数据实现A*算法的开放列表来提升其计算效率.最后,基于自主代客泊车环境Voronoi图实现汽车碰撞检测,并采用改进动态窗口法沿着全局自主代客泊车路径规划出满足汽车非完整约束和机械约束的无碰撞路径,扩展传统动态窗口法的可行解空间和降低其保守性.在VC++6.0环境中验证所提出的自主代客泊车路径规划算法的可行性和有效性,结果表明,该算法可以安全、快速地引导汽车到达目标泊车位附近,为汽车后续执行泊车操作奠定基础.

室内智能消防机器人设计与路径规划研究

设计研发了一种室内智能消防机器人,由激光雷达、移动底盘、机械臂、深度相机、热成像深度相机、灭火剂喷头、控制箱等组成。机器人具备遥操作、建图、自主导航、巡检、灭火等功能,通过感知周围环境完成自动导航避障。消防机器人基于火情报警信息,采用改进A*算法进行全局路径规划,并使用动态窗口法(Dynamic Window Approach,DWA)修正局部路径。在移动到火警位置后,机器人使用机械臂调整灭火装置喷嘴,对准火源喷射灭火剂实现灭火。实测结果表明,所设计机器人具备机动灵活、性能稳定等优点,能够有效完成设定灭火任务。

基于改进的A^*算法与动态窗口法的移动机器人路径规划

提出了一种改进的A^*算法与动态窗口法相结合的混合算法,以解决移动机器人在多目标复杂环境中的路径规划问题.首要,为了提升算法的运行效率,实现单次规划的路径可通过多个目标点,同时提升路径平滑处理的灵活性并满足移动机器人非完整约束条件,本文利用目标成本函数对所有目标进行优先级判定,进而利用改进的A^*算法规划一条经过多个目标点的最优路径,同时采用自适应圆弧优化算法与加权障碍物步长调节算法,有效地将路径长度缩短5%,转折角总度数降低26.62%.其次,为实现移动机器人在动态复杂环境中局部避障并追击动态目标点.提出将改进动态窗口算法与全局路径规划信息相结合的在线路径规划法,采用预瞄偏差角追踪法成功捕捉移动目标点,并提升了路径规划效率.最后,对所提方法进行仿真实验,结果表明该方法能够在复杂动态环境中更有效地实现路径规划.