摘要
【目的】解决传统A^(*)算法在路径规划中存在的搜索效率低、储存量大、搜索路径紧贴障碍物等问题。【方法】提出了一种改进A^(*)算法,使机器人能够快速有效地规划出一条远离障碍物的全局路径。首先根据扩展节点到目标点的距离不同,在传统A^(*)算法基础上改进出基于距离的变权重评价函数,提升了路径搜索效率,降低了所需存储量;其次提出一种自动切换邻域搜索算法,通过障碍物所在位置不同自动切换搜索邻域,避免了规划出的路径紧贴障碍物的现象;最后,通过MATLAB搭建50 m×50 m仓库和100 m×100 m商场的栅格地图进行仿真实验,对比改进算法与传统A^(*)算法性能。【结果】改进A^(*)算法在简单环境中搜索时间缩短了70.78%,扩展节点降低了71.20%;在复杂环境中搜索时间缩短了92.59%,扩展节点降低了89.25%。【结论】改进A^(*)算法的效率、所需存储量、避障能力远远优于传统A^(*)算法,且改进A^(*)算法能避免规划出的路径紧贴障碍物的现象,得出较优的路径,具有应用于实际场景的潜力。
作者简介
何育博(1999-),男,陕西咸阳人,硕士研究生,研究方向为无人驾驶。
