基于混合A^*算法的移动机器人路径规划研究

摘要

针对混合A^*算法规划的路径不够平滑且效率低的问题，提出优化混合A^*算法的评价函数，引入角度惩罚系数的方法，使路径更加平滑，并引入最优步长的节点扩展方法以提高搜索效率.首先，将混合A^*算法与TEB（Timed Elastic Band,时间弹性带）算法结合，生成混合路径规划算法.然后，基于ROS（Robot Operating System,机器人操作系统）对阿克曼转向机器人的路径规划过程进行仿真.结果表明：使用混合A^*算法+DWA（动态窗口法）比使用A^*算法+DWA算法的路径规划平均距离少23.83%;使用混合A^*算法+TEB算法比使用A^*算法+TEB算法的路径规划平均距离少22.49%;使用A^*算法+TEB算法比使用A^*算法+DWA算法的路径规划平均时间少6.99%;使用混合A^*算法+TEB算法比使用混合A^*算法+DWA算法的路径规划平均时间少6.25%.混合A^*算法结合TEB算法的路径规划效率更高，规划出的路径更短，验证了混合路径规划算法的有效性和优越性.最后，在仓储环境中进行了阿克曼转向机器人路径规划实验，针对机器人实际运行轨迹与规划的轨迹有较大误差的问题，提出通过卡尔曼滤波对障碍物的位姿进行估计，并对机器人的轨迹进行跟踪的方法.结果表明：卡尔曼滤波的跟踪误差在0.2 m以内.

关键词

混合A^*算法 / TEB算法 / 路径规划 / 机器人操作系统（ROS） / 卡尔曼滤波