针对复杂U型障碍物环境中跳点搜索算法(jump point search,JPS)路径长、拐点多和人工势场法(artificial potential field,APF)陷入U型陷阱引起的路径曲折、寻路效率低等问题,提出融合改进JPS算法和APF算法(JPS^(*)-APF)的移动机器人路...针对复杂U型障碍物环境中跳点搜索算法(jump point search,JPS)路径长、拐点多和人工势场法(artificial potential field,APF)陷入U型陷阱引起的路径曲折、寻路效率低等问题,提出融合改进JPS算法和APF算法(JPS^(*)-APF)的移动机器人路径规划算法。首先,在传统JPS算法中增加角度偏差函数并删除冗余节点,减小搜索距离和转折次数;其次,改进JPS算法的拐点作为子目标点,分段引导APF算法逃出U型陷阱,自适应生成拐角障碍物斥力或动态子目标点提高路径平滑度;然后,在目标点区域添加对称虚拟障碍物解决目标不可达、融合外部斥力和重规划策略逃出局部最优,提高寻路效率;最后,适时加入相对速度斥力保证动态避障的安全性。针对不同U/L型障碍物环境进行数值仿真,结果表明,JPS^(*)-APF算法较IA^(*)-APF算法平均减少了51.5%的寻路时间和7.3%的路径长度,而且JPS^(*)-APF算法路径更平滑,能有效逃出U型陷阱并提升移动机器人的工作效率;同时通过真实环境实验测试验证了JPS^(*)-APF算法规划的可行性。展开更多
文摘针对复杂U型障碍物环境中跳点搜索算法(jump point search,JPS)路径长、拐点多和人工势场法(artificial potential field,APF)陷入U型陷阱引起的路径曲折、寻路效率低等问题,提出融合改进JPS算法和APF算法(JPS^(*)-APF)的移动机器人路径规划算法。首先,在传统JPS算法中增加角度偏差函数并删除冗余节点,减小搜索距离和转折次数;其次,改进JPS算法的拐点作为子目标点,分段引导APF算法逃出U型陷阱,自适应生成拐角障碍物斥力或动态子目标点提高路径平滑度;然后,在目标点区域添加对称虚拟障碍物解决目标不可达、融合外部斥力和重规划策略逃出局部最优,提高寻路效率;最后,适时加入相对速度斥力保证动态避障的安全性。针对不同U/L型障碍物环境进行数值仿真,结果表明,JPS^(*)-APF算法较IA^(*)-APF算法平均减少了51.5%的寻路时间和7.3%的路径长度,而且JPS^(*)-APF算法路径更平滑,能有效逃出U型陷阱并提升移动机器人的工作效率;同时通过真实环境实验测试验证了JPS^(*)-APF算法规划的可行性。
