[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

说明书

本发明公开一种基于优化A‑STAR算法的全局动态平滑路径规划方法，前期将障碍物进行矩形化处理，无障碍区域应用传统A*算法寻路，在遇到障碍物时，采用优化后的A*算法，在初次完成路径规划后，按照所选取的路径点，加到路径列表进行计算，然后应用人工势场法进行路径平滑处理。本发明不但能够保证搜索到的路径具有平滑性和实时避障能力，还在确保全局最优的基础上提高了寻路效率。

技术领域

本发明涉及动态路径规划技术领域，尤其涉及一种基于优化A-STAR算法的全局动态平滑路径规划方法。

背景技术

A*算法是一种经典的启发式算法，能够在静态环境中高效地求出从起始点到目标点的最优路径，这种算法程序简单，易于实现。目前，传统的A*算法在运行过程中，需要对Open list和Close list两个列表进行维护。A*在寻路过程中需要计算的当前位置的周围节点，当遇到障碍物时，就会在起点附近重新进行寻路，由此重复，直到搜索宽度超过障碍物宽度，由此再继续向前寻路，因此会产生大量的无用节点需要计算，导致运算量过大，占用内存过大，寻路时间过长等问题。并且在规划好的路径中存在着不必要的转折点，传统A*算法没有对路径进行平滑处理，因此规划好的路径转折剧烈，不利于机器人进行路径跟踪。

发明内容

本发明的目的在于提供一种基于优化A-STAR算法的全局动态平滑路径规划方法。

本发明采用的技术方案是：

一种基于优化A-STAR算法的全局动态平滑路径规划方法，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(即终点)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；

具体地，以当前点为父节点，依次判断开放列表里面的相邻点是否能成为下一个父节点，更新的是开放列表中挑选出来的下一个父节点。更新父节点就是将上一个父节点的坐标及其参数换成当前的。