【技术实现步骤摘要】
一种融合Astar与DWA算法的移动小车路径规划方法
[0001]本专利技术属于移动小车路径规划领域,具体涉及到一种融合Astar与DWA算法的移动小车路径规划方法。
技术介绍
[0002]Astar算法因其优良的性能在全局路径规划问题中大量运用。然而,在栅格地图环境中,原Astar算法从当前节点向下一个节点访问的选择范围被限制在当前节点周围八个不同方向上的相邻节点,每个相邻运动方向的夹角均为移动小车移动方向角度也被限制为的整数倍,受此节点移动方向条件约束,原Astar算法规划出的最终路径距离不是最短,路径上因转折点较多不够平滑,同时无法躲避动态障碍物。
[0003]动态窗口法(Dynamic Window Approach,简称DWA算法)是一种常用的移动小车局部路径规划算法,该方法在进行局部路径规划时,考虑了移动小车的动力学性能,在轨迹评价函数的作用下,能够使移动小车安全到达目标点,但是当移动小车的位置与目标点位置比较接近时,两者之间的位置夹角θ会突然变大,此时移动小车会在方位角评价因子的驱使下,通过使自己的角速 ...
【技术保护点】
【技术特征摘要】
1.一种融合Astar与DWA算法的移动小车路径规划方法,其特征在于,包括下列步骤:步骤1:将移动小车从起点到终点所需经过的平面区域采用栅格法建立栅格地图,在所述栅格地图中预先设置起点与终点位置;步骤2:运行改进的Astar算法,从所述的栅格地图的起点进行全局路径规划,获得一条从起点到终点的全局最优路径;步骤3:运行改进的DWA算法,以步骤2所述的全局最优路径为参考路径,从步骤1所述的起点到终点位置进行局部动态避障路径规划,为步骤1所述的移动小车规划出一条最优的动态避障路径。2.根据权利要求1所述的一种融合Astar与DWA算法的移动小车路径规划方法,其特征在于,步骤2中所述改进的Astar算法是在原Astar算法的扩展节点范围和移动方向上增加Astar算法扩展节点的层数;将可扩展节点数8个扩展为48个,将移动方向8个扩展为32个,其数学表达式为:其中,R为改进Astar算法以当前节点为中心向外搜索的节点层数,这里令R=2,N
R
表示随节点扩展层数R变化而变化的节点下一秒可移动方向,S
R
表示随节点扩展层数R变化而变化得可搜索节点个数。3.根据权利要求1所述的一种融合Astar与DWA算法的移动小车路径规划方法,其特征在于,步骤2中所述运行改进的Astar算法进行全局路径规划,得到一条从起点到终点的全局最优路径,其包括以下步骤:步骤4:设置开放列表(Open List)和关闭列表(Closed List),将起始节点S放入Open List中,此时起始节点S是Open List中的唯一节点,Closed List此时为空表;步骤5:所述改进的Astar算法遍历搜索Open List中存储的其它待扩展节点,若此时Open List没有待搜索节点,则算法搜索结束退出,不存在可行路径;如果Open List不为空,则因为所述改进的Astar算法扩大搜索层数R=2,且可扩展节点个数比所述原Astar算法有所增多,为此对扩大搜索邻域后所有待扩展节点进行约束条件判断筛选,约束条件如下:(1)待扩展节点在环境模型地图之中;(2)待扩展节点没有被障碍物隔断和占有,即待扩展节点可通行且有路径可以到达。舍弃不符合约束条件的点,符合上述约束条件的节点即为可扩展节点,利用估价函数f(n)计算所有待扩展节点的估价函数f(n)值并进行比较,选择f(n)最小的待扩展节点n作为算法路径选择的下一节点,将此节点从Open List中删除,并将其纳入Closed List之中。步骤6:判断算法扩展的节点是否和目标节点G重合,若重合,算法搜索路径成功;如果节点n不与目标节点G重合,则算法继续下一步骤;步骤7:搜索节点n邻域内所有符合待搜索要求的子节点,设子节点为m,比较所有待扩展节点的估价函数f(m)值,选择其中f(m)最小的待扩展节点m并进行下一步骤的判断;步骤8:检查上一步所得节点m和Open List、Closed List的存储关系:
(1)若节点m既不在Open List也不在Closed List之中,则将其添加到Open List当中,并给子节点m添加一个指向其父节点n的指针,存在可行路径时根据存储的指针信息返回输出最优路径;(2)若节点m已经在Open List之中,则比较当前节点m的估价函数f(m)值和拥有不同父节点的已经存储在Open列表时的估价函数值f0(m)大小,比较f(m)和f0(m)值的大小,若f(m)较小,则表示找到更好的路径节点,同时更新节点m的父指针,并将节点m加入Closed List列表之中,如果...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。