[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

说明书

本发明公开了一种融合改进的A*与DWA算法的室内移动机器人路径规划方法，包括：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。本发明能快速找到最优路径，且在全局最优的基础上，又能及时躲避环境中出现的动静态障碍物，提高室内移动机器人在复杂环境中的适应能力。

技术领域

本发明涉及移动机器人导航和路径规划领域，具体涉及一种融合改进的A*与DWA算法的室内移动机器人路径规划方法。

背景技术

目前，路径规划是当前移动机器人研究领域的前沿课题之一，其目的是在复杂的环境中避开障碍物，寻找一条从起点到终点的最佳路径。路径规划技术也是移动机器人实现自主导航功能的核心技术。为解决路径规划问题，大量的国内外学者对此课题进行研究，并提出了各种算法。

路径规划可以分为全局路径规划与局部路径规划两大类，其中，全局路径算法有A*算法、Dijkstra算法和RRT算法等；局部路径算法有DWA算法、粒子群算法、人工势场法和蚁群算法等。

Dijkstra算法采用遍历搜索方式，规划节点数较多，节点网络非常庞大且算法效率低下。在Dijkstra算法的基础上，A*算法引入目标点到当前点的估计代价，根据估计代价决定路径搜索方向，提高了算法效率。A*算法在已知环境下能快速实现移动机器人无碰、最短全局路径规划，主要通过节点状态检测和简单的估值功能规划出一条最佳的安全道路。但A*算法规划的路径通过节点连接，导致曲率不连续，存在路径冗长的缺点。赵晓等提出了一种基于跳点搜索算法的改进A*算法，提高了路径的搜索速度，减少了计算量。Zhang等提出了一种改进A*算法，遍历路径的所有节点，然后删除不必要的节点，减短了机器人的行驶路径和转弯时间。然而，这些改进A*算法仅考虑了全局路径的优化，机器人却不能避开未知障碍物。

而对于局部路径规划算法，DWA算法具有很好的局部避障能力。王永雄等提出了参数自适应的DWA算法，获得了机器人运动的最佳速度，并提高了安全性。Mai等提出了一种能够提前感知密集物体分布情况的改进DWA算法，可以使机器人稳定地避开密集区域。然而，改进DWA算法在实现机器人避障的同时，却无法做到全局路径最优。

以上改进算法均只考虑了移动机器人导航过程中的全局路径最优或者局部避障。因此，如何使机器人在导航过程中找到最优路径且能实时避障，一直是个本技术领域人员需要解决的问题。

发明内容

本发明的目的是针对上述问题，为实现移动机器人既能以全局最优路径行驶，又能够实时避开障碍物，提出了一种融合改进的A*与DWA算法的室内移动机器人路径规划方法。该算法将传统A*算法的启发函数中引入环境信息，提高了搜索效率；删除轨迹中冗余节点、减少转折，实现路径平滑度的优化；提取改进A*算法规划路径的关键点作为DWA算法的中间目标点做全局引导，实现改进的A*与DWA算法融合。

本发明采取的技术方案为：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，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。