移动机器人导航规划的双向平滑A-star算法

摘要

针对主流移动机器人导航中蒙特卡罗定位(MCL)算法误差大、传统A-star规划路径实时性差且所得路线为折线的问题,提出了一种基于双向平滑A-star算法的路径规划导航策略.首先提出多传感器融合蒙特卡罗定位的位姿估计定位算法;其次通过优化A-star算法的代价函数,使其整体搜索方向变为双向从而提高算法实时性;最后采取Bézier曲线对所规划路径进行平滑优化,解决A-star算法规划路径折线多、转弯角度过小而无法满足实际物理约束的问题.仿真实验结果展示,相比传统A-star轨迹规划算法,本文算法在路径长度和时间方面分别减少12.1%,37.2%,平均安全距离和路径平滑度分别提升35.2%,69.9%;同时在保证的定位精度下所测试的实际实验证明了本文导航规划算法的正确性和可行性.