改进JPS算法融合DWA的多机器人路径规划

针对传统的跳点搜索(jump point search, JPS)算法在移动机器人路径规划时,存在路径拐点以及中间跳点过多,路径规划时间较长等问题,提出了改进的跳点搜索算法I-JPS。I-JPS算法通过改进代价函数、引入叉积公式,来剔除冗余节点、增加机器人与障碍物之间的安全距离。同时引入了动态窗口法(dynamic window approach, DWA)作局部路径规划,用于机器人临时避障和路径平滑化,并通过改进DWA提高多机器人之间的避障优先级。最后引入了多机器人协同路径规划,多机器人可以共同合作并完成复杂的任务,机器人之间还可以共享信息、协调行动,并通过分工合作来解决问题,提高任务的完成效率。最后,实验仿真结果表明改进后的算法相较于改进前的,在各方面都得到了极大的提升。

融合优化A^(*)算法与动态窗口法的动态路径规划算法研究

针对机器人路径规划对于全局最优性以及路径平滑度的性能要求,提出了一种新的基于跳点搜索的优化A^(*)算法和动态窗口法的融合算法。在跳点搜索法基础上,该融合算法设计了由曼哈顿和欧氏距离结合的新的距离评估函数对A^(*)算法进行优化,以此获取全局路径信息;然后以动态窗口法为核心,快速地规划出一条具有高平滑度的全局最优路径。仿真实验表明:新的融合算法有效解决了优化A^(*)算法规划的路径转折处曲率非连续的问题,提高了路径的平滑程度和全局最优性。最后在搭建的实际环境中进一步验证了算法的有效性,对机器人导航与路径规划有一定的应用价值。

一种面向非结构化环境的改进跳点搜索路径规划算法

为解决非结构化复杂场景下基于搜索的寻路算法中存在的计算时间长、路径非最优等问题,在跳点搜索(jump point search,JPS)算法的基础上,提出一种带权重的跳点搜索(weighted jump point search,WJPS)算法。WJPS算法改进了启发式函数,同时采用非传统的距离表达,最终实现了在保证全局路径最短的同时,降低了计算时间。为了验证WJPS算法的有效性,设计了多种非结构化复杂场景地图,对A、JPS算法和WJPS算法在寻路时间、扩展点数和路径长度3方面进行了对比。实验结果显示,相比A算法和JPS算法,WJPS算法在复杂环境中能保证生成路径是最短的,同时利用JPS跳点算法中寻找拓展点的策略,能够实现毫秒级别的规划,且算法效率能够满足智能体对路径规划层的要求。另外,WJPS算法采用微分平坦法对生成的路径点作曲线拟合,使智能体的运动轨迹更加平滑。

基于优化算法的移动机器人全局路径规划

针对移动机器人SLAM建图过程中用到的A*算法遍寻节点较多、路径规划时间较长、规划出的路径距离较长的问题,提出在二维栅格地图的基础上使用A*算法结合跳点搜索法和启发神经网络模型。跳点搜索法可以减少遍寻节点数量,启发神经网络可以缩短遍寻节点时间,将这3个算法结合构建成一个新的算法。MATLAB实验验证结果表明:结合后的优化算法对全局路径规划性能有明显的提升。