[发明专利]一种基于优化A-STAR算法的全局动态平滑路径规划方法

权利要求书

1.一种基于优化A-STAR算法的全局动态平滑路径规划方法，其特征在于：其包括路径规划部分和路径平滑处理部分，具体步骤如下：

路径规划部分：

步骤10，构建环境地图,将地图上障碍物区域内的栅格上标注为-1并将-1的坐标放入障碍物列表，并基于起始点和终点构建启发式函数：

F(m)＝G(m)+H(m)

其中，Fm表示起始点到任意节点的估价值，Gm表示起始点到某一个节点的实际代价，Hm表示起始该点到终点的估计代价值；

步骤11，分别创建一个开启列表和关闭列表，并将起始点添加到开启列表中，开启列表用来存放当前点的相邻节点，关闭列表用来存放开启列表中F值最小的节点，即下一步的父节点；

步骤12，检查开启列表是否为空列表；是则，结束寻路并进入路径平滑部分；否则，继续执行步骤13；

步骤13：判断是否遇到障碍物；是则，将当前点的8个相邻节点按照顺序分别放进开放列表中，将对应的代价值F数据分别进行标记并执行步骤14；否则，执行步骤15；

步骤14，将开放列表的元素分别与障碍物列表的元素进行对比，当确定有相同的点时，将对应的点及其所有数据都设置成无穷大；

步骤15：对开启列表中以F值的大小进行排序以得到F值最小的点，将F值最小点放入关闭列表中，然后在开放列表里面删除对应的F值最小点；

步骤16：判断目标点是否到在关闭列表中；是则，结束寻路并进入路径平滑部分；否则，执行步骤17；

步骤17，判断当前点的相邻点是否在关闭列表；是则，忽略此当前点的相邻点并执行步骤12；否则，执行步骤18；

步骤18，判断当前点的相邻点是否在开放列表里；是则，用当前点的G值重新检查当前点的相邻点，并更新G、F值和父节点后执行步骤12；否则，将当前点的相邻点添加到开放列表里面，并重新计算F和G的值，把当前点作为父节点执行步骤12；

路径平滑部分：

步骤20，获取路径列表并计算获取路径列表的行数，并设置n的初始值为1，n表示路径列表的第几行的坐标；

步骤21，将临时起点坐标放入路径列表，并将临时起点的行数赋值为n，将第n+2行作为临时终点；其中，临时起点就是人工势场法寻路的起点；

步骤22，判断n的值是否等于路径列表的行数-1，即【length(path)-1】；是则，将临时起点设为n行点，临时终点设为终点，重置步长和迭代次数后执行步骤23；否则，设置步长和迭代次数j的值，并设j的初始值为1后执行步骤23；

步骤23，依照设定步长进行一次行走，并将所行走的路径点记录至记录列表中；

步骤24，基于人工势场法计算引力、斥力和合力以确定下一步移动的方向；

步骤25，判断当前点到临时起点的欧式距离是否大于当前点到n+1点的欧式距离；是则，变更临时起点n＝n+1并执行步骤26；否则，迭代次数j加1后执行步骤23；

步骤26，判断当前点是否到达终点；是则，将记录列表里的所有坐标点采用最小二乘法拟合得到对应的路径函数并结束规划；否则，执行步骤21。

2.根据权利要求1所述的一种基于优化A-STAR算法的全局动态平滑路径规划方法，其特征在于：步骤10中构建环境地图时，将地图作格栅化处理，将障碍物进行矩形化处理。

3.根据权利要求1所述的一种基于优化A-STAR算法的全局动态平滑路径规划方法，其特征在于：步骤10中采用欧氏距离定义从起始点到达当前点的代价估计函数G(m)：

其中，M_x，M_y为当前点的横、纵坐标，S_x，S_y为起始点的横纵坐标。

4.根据权利要求1所述的一种基于优化A-STAR算法的全局动态平滑路径规划方法，其特征在于：步骤10中采用欧氏距离定义从当前点到达目标点的代价估计函数H(m)：

其中，E_x，E_y为目标点的横、纵坐标。