科研之友
微信
新浪微博
Facebook
分享链接
摘要
为解决传统A*算法与动态窗口法面对大规模复杂环境路径规划时，计算和时间成本的急剧上升以及灵活性较差的问题，提出了一种基于多尺度地图法的A*算法和改进DWA算法的融合算法。首先，建立多尺度地图集并在A*算法的启发函数中增加障碍物占比因子，接着在粗尺度地图利用A*算法计算最优路径，然后将其映射到细尺度地图上进行二次A*算法并通过Floyd算法进行节点优化，删除冗余节点、提高路径的平滑度。此外，增加了航向角自适应调整策略和停车等待状态来优化动态窗口法，提高灵活性。最后将A*算法的关键点作为动态窗口法的局部目标点，并在轨迹上有障碍物时再次规划，实现两种算法的融合。ROS仿真和实车实验结果表明改进的A*算法计算时间显著减少，在20m40m的地图中减少98%，改进的融合算法大幅提高了机器人在动态环境下的平滑性和灵活性，可以有效解决传统融合算法中存在的问题。
- 单位
