[发明专利]一种融合Astar与DWA算法的移动小车路径规划方法

说明书

本发明公开了一种融合Astar与DWA算法的移动小车路径规划方法，属于移动小车路径规划领域。本发明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；运行改进的Astar算法，从所述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；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中所述的移动小车规划出一条最优的动态避障路径；改进的Astar算法相较于原Astar算法减少了路径的长度以及多余的路径转折点，此外本发明能够减小移动小车在运动过程中线速度与角速度的剧烈变化，保证了其运动的平稳性。

技术领域

本发明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。

背景技术

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。

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，通过使自己的角速度增大，来减小θ，这样就会使移动小车行驶不稳定，出现震荡的现象。此外，原动态窗口法在进行局部路径规划时，由于没有全局最优路径作为参考，常易陷入局部最优，即“U”或“C”型障碍物内无法出来。

发明内容

本发明的目的在于为当前的移动小车在进行动态避障路径规划时所要解决的全局最优路径规划问题与动态避障问题提供一种解决方法，使移动小车能够自主的规划出一条从起点到终点的较短且较平滑的最优路径，同时在运动过程中能够安全的避开阻挡自身前进的动态障碍物，此外，移动小车在进行运动时还要符合移动小车自身的运动学，使其能够较为平稳的运动。

本发明的具体内容如下：

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。

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。

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：