融合改进A^(*)与DWA的轮式机器人路径规划

摘要

针对轮式机器人在路径规划中存在的问题,提出融合改进A^(*)和DWA的轮式机器人路径规划方法。首先针对A^(*)算法冗余点多、耗时长、拐点多等问题,提出双向A^(*)和跳点算法相结合来提升全局路径规划效率;其次针对DWA寻找的路径非最优以及无法应变环境的问题,选取全局最优路径上优化后的跳点作为DWA的关键点,引入关键点评价子函数和自适应速度权值。融合改进的A^(*)和DWA算法,既保证了全局路径最优,还可根据障碍物数量和分布,调整速度权值,兼顾速度和安全性。经在MATLAB仿真环境中验证:融合改进A^(*)和DWA的轮式机器人路径规划方法与传统A^(*)算法相比,大幅减少了规划时长和拓展节点数量,效率明显提升;与DWA算法相比,加入全局路径关键点和自适应速度权值,能遵循全局最优路径以及降低了运行时间,提升效率。