[发明专利]一种融合改进的A*与DWA算法的室内移动机器人路径规划方法

权利要求书

1.一种融合改进的A*与DWA算法的室内移动机器人路径规划方法，其特征在于：具体包括以下步骤：

S1：优化传统A*算法的代价函数，将环境信息障碍率Q引入代价函数，改变启发函数H(n)的权重,实现其自适应调整；

S2：路径平滑的优化，利用一种关键点选取策略，解决冗余的共线节点和转折点的问题，保留必要的路径节点，得到只具有关键点的全局路径；

S3：构造结合关键点信息的评价函数，然后应用DWA算法，使局部路径规划遵循全局路径轮廓，从而使路径更加平滑，并实现实时避障。

2.根据权利要求1所述的一种融合改进的A*与DWA算法的室内移动机器人路径规划方法，其特征在于：所述步骤S1优化传统A*算法的代价函数，具体包括在代价函数F(n)中引入随着移动机器人的当前位置变化而变化的环境障碍率Q；

假设机器人的起始点与目标点组成的矩形栅格数为M，当前节点到目标点搜索范围内的栅格障碍数为N，环境障碍率表达式为：将环境障碍率Q引入代价函数F(n)，自适应改变启发函数H(n)的权重；此时的代价函数F(n)为：F(n)＝G(n)+e^QH(n)，从而达到对传统A*算法的优化。

3.根据权利要求1所述的一种融合改进的A*与DWA算法的室内移动机器人路径规划方法，其特征在于：所述步骤S2路径平滑的优化，包括以下几步：

第一步：遍历所有的节点，删除每一段路径中间的冗余节点，保留起始点和拐点；

第二步：遍历起始点和拐点，从起点开始将每一个节点都与后面的节点相连作为备选路径，判断每条路径与障碍物栅格的距离d_i与安全距离D的关系；若d_i≤D，则删除路径，若d_i＞D，保留路径，删除路径之间的拐点；

第三步：提取剩余的节点，输出优化路径，算法结束。

4.根据权利要求1所述的一种融合改进的A*与DWA算法的室内移动机器人路径规划方法，其特征在于：所述步骤S3改进的A*算法与DWA算法的融合，以提取的改进A*算法规划的全局路径关键点作为DWA算法的中间目标点，优化后的评价函数使得局部路径规划遵循已规划的全局路径轮廓；通过融合导航算法，以实现移动机器人导航过程中的全局路径最优，同时兼具实时避障功能。