基于改进D^* Lite与APF算法的机器人动态路径规划

摘要

针对动态环境下机器人路径规划存在的搜索时间长、路径不平滑及避障性能不足等问题，提出一种融合D^* Lite算法与人工势场法（artificial potential field,APF）的路径平滑优化算法。首先，通过优化D^* Lite算法的启发函数和键值算子提升搜索效率；进而改进APF斥力函数并引入随机虚拟障碍物，以解决机器人易陷入局部最优的问题，并通过引力–斥力协同机制实现目标趋近于动态避障。算法融合实现了动态环境下路径的快速搜索与高效避障，为进一步提升路径规划的实用性与运动流畅性，采用剪枝策略去除冗余节点以降低运算复杂度，并减少不必要转向以降低路径曲折度；在此基础上引入三次B样条曲线对路径进行平滑处理，消除尖锐拐点，生成符合运动学规律的平滑路径。仿真实验结果表明：相较于传统D^* Lite算法，本文算法在简单、复杂和狭窄通道三类典型环境中，搜索时间分别减少13.3%,9.3%和11.5%，路径平滑度与避障能力显著提升，实现了高效全局规划和局部动态避障的有效结合，显著缩短了路径搜索时间，验证了算法的优越性与实用性，为动态环境下机器人高效、平滑与鲁棒的路径规划提供了有效解决方案。

关键词

D^* Lite算法 / APF算法 / 路径规划 / 动态避障 / 启发函数 / 路径平滑 / 实时规划 / 智能机器人