基于物流机器人的路径规划研究
发布时间：2021-01-02 01:51
本文描绘了物流机器人的路径规划问题。针对标准A*算法的路径规划时间长、计算节点多的问题,提出了在标准A*算法的基础山,使用改进的双向搜索的A*算法。通过使用MATLAB进行仿真和实验平台进行实验对标准A*算法和优化后的A*算法进行了对比,结果表明:改进的A*算法比标准的A*算法进行路径规划的时间更短,并且使用的节点更少。
【文章来源】：软件. 2020年03期
【文章页数】：5 页
【部分图文】：
标准A*算法仿真结果Fig.2SimulationresultsofthestandardA-staralgorithm
图Fig.1ImprovedA-staralgorithmflowchart两个，一个是使用头尾双向搜索的办法进行节点的扩展；另一个是选取最低g值的临近点作为前驱，并增加启发函数值权重。为了验证改进后的A*算法的性能，本文使用MATLAB分别对标准A*算法和改进后的A*算法进行仿真实验。标准A*算法和改进后的A*算法的仿真结果分别如图2和图3所示。OPEN集障碍物路径CLOSE集目标点起始点图2标准A*算法仿真结果Fig.2SimulationresultsofthestandardA-staralgorithm目标点OPEN集路径障碍物起始点图3改进的A*算法仿真结果Fig.3ImprovedA-staralgorithmsimulationresults在标准A*算法和改进的A*算法中，进行仿真的栅格地图的大小为20×20的，绿色的网格表示路径规划的起始点，其位置可以用坐标（1,1）表示，红色的网格表示路径规划的目标点，其位置可以使用坐标（20,20）表示，黑色网格表示栅格地图中的障碍物，黄色网格代表OPEN集合的节点，蓝色网格代表CLOSE集合的节点。靓蓝色表示最终搜索到的路径。为了验证改进后的A*算法的有效性，分别在上图栅格地图中选取50组不同的的起始点和目标点进行算法的对比，主要从三个方面验证改进后算法的有效性，路径规划时间、路径规划长度和扩展节点数目，结果图4至6所示。将标准A*算法与改进后的A*算法的搜索时间和搜索路径长度以及扩展节点数目进行统计，结果显示在表1中。通过上述图和表可以得到，通过使用双向A*算法和确定一个初始化的较大的g值，取消CLOSE集，将最低g值得临近点作为前驱，并增加启发函图4标准A*算法与改进后的A*算法搜索时间比较Fig.4ComparisonofthesearchtimebetweenthestandardandtheimprovedA-staral
?格代表CLOSE集合的节点。靓蓝色表示最终搜索到的路径。为了验证改进后的A*算法的有效性，分别在上图栅格地图中选取50组不同的的起始点和目标点进行算法的对比，主要从三个方面验证改进后算法的有效性，路径规划时间、路径规划长度和扩展节点数目，结果图4至6所示。将标准A*算法与改进后的A*算法的搜索时间和搜索路径长度以及扩展节点数目进行统计，结果显示在表1中。通过上述图和表可以得到，通过使用双向A*算法和确定一个初始化的较大的g值，取消CLOSE集，将最低g值得临近点作为前驱，并增加启发函图4标准A*算法与改进后的A*算法搜索时间比较Fig.4ComparisonofthesearchtimebetweenthestandardandtheimprovedA-staralgorithm
【参考文献】：
期刊论文
[1]基于改进A*算法的移动机器人路径规划[J]. 赵晓,王铮,黄程侃,赵燕伟. 机器人. 2018(06)
[2]基于改进A*算法的最优路径搜索[J]. 朱云虹,袁一. 计算机技术与发展. 2018(04)
[3]基于改进A*算法的室内移动机器人路径规划[J]. 王殿君. 清华大学学报(自然科学版). 2012(08)
[4]机器人导航系统中的路径规划算法[J]. 黄玉清,梁靓. 微计算机信息. 2006(20)
[5]双向启发式图搜索算法BFFRA[J]. 王士同. 电子学报. 1990(06)
硕士论文
[1]基于2D激光雷达的移动机器人关键技术研究[D]. 胡志远.广西大学 2017
[2]基于ROS的移动机器人自主定位与导航方法研究[D]. 王强.浙江工业大学 2017
本文编号：2952412
【文章来源】：软件. 2020年03期
【文章页数】：5 页
【部分图文】：
标准A*算法仿真结果Fig.2SimulationresultsofthestandardA-staralgorithm
图Fig.1ImprovedA-staralgorithmflowchart两个，一个是使用头尾双向搜索的办法进行节点的扩展；另一个是选取最低g值的临近点作为前驱，并增加启发函数值权重。为了验证改进后的A*算法的性能，本文使用MATLAB分别对标准A*算法和改进后的A*算法进行仿真实验。标准A*算法和改进后的A*算法的仿真结果分别如图2和图3所示。OPEN集障碍物路径CLOSE集目标点起始点图2标准A*算法仿真结果Fig.2SimulationresultsofthestandardA-staralgorithm目标点OPEN集路径障碍物起始点图3改进的A*算法仿真结果Fig.3ImprovedA-staralgorithmsimulationresults在标准A*算法和改进的A*算法中，进行仿真的栅格地图的大小为20×20的，绿色的网格表示路径规划的起始点，其位置可以用坐标（1,1）表示，红色的网格表示路径规划的目标点，其位置可以使用坐标（20,20）表示，黑色网格表示栅格地图中的障碍物，黄色网格代表OPEN集合的节点，蓝色网格代表CLOSE集合的节点。靓蓝色表示最终搜索到的路径。为了验证改进后的A*算法的有效性，分别在上图栅格地图中选取50组不同的的起始点和目标点进行算法的对比，主要从三个方面验证改进后算法的有效性，路径规划时间、路径规划长度和扩展节点数目，结果图4至6所示。将标准A*算法与改进后的A*算法的搜索时间和搜索路径长度以及扩展节点数目进行统计，结果显示在表1中。通过上述图和表可以得到，通过使用双向A*算法和确定一个初始化的较大的g值，取消CLOSE集，将最低g值得临近点作为前驱，并增加启发函图4标准A*算法与改进后的A*算法搜索时间比较Fig.4ComparisonofthesearchtimebetweenthestandardandtheimprovedA-staral
?格代表CLOSE集合的节点。靓蓝色表示最终搜索到的路径。为了验证改进后的A*算法的有效性，分别在上图栅格地图中选取50组不同的的起始点和目标点进行算法的对比，主要从三个方面验证改进后算法的有效性，路径规划时间、路径规划长度和扩展节点数目，结果图4至6所示。将标准A*算法与改进后的A*算法的搜索时间和搜索路径长度以及扩展节点数目进行统计，结果显示在表1中。通过上述图和表可以得到，通过使用双向A*算法和确定一个初始化的较大的g值，取消CLOSE集，将最低g值得临近点作为前驱，并增加启发函图4标准A*算法与改进后的A*算法搜索时间比较Fig.4ComparisonofthesearchtimebetweenthestandardandtheimprovedA-staralgorithm
【参考文献】：
期刊论文
[1]基于改进A*算法的移动机器人路径规划[J]. 赵晓,王铮,黄程侃,赵燕伟. 机器人. 2018(06)
[2]基于改进A*算法的最优路径搜索[J]. 朱云虹,袁一. 计算机技术与发展. 2018(04)
[3]基于改进A*算法的室内移动机器人路径规划[J]. 王殿君. 清华大学学报(自然科学版). 2012(08)
[4]机器人导航系统中的路径规划算法[J]. 黄玉清,梁靓. 微计算机信息. 2006(20)
[5]双向启发式图搜索算法BFFRA[J]. 王士同. 电子学报. 1990(06)
硕士论文
[1]基于2D激光雷达的移动机器人关键技术研究[D]. 胡志远.广西大学 2017
[2]基于ROS的移动机器人自主定位与导航方法研究[D]. 王强.浙江工业大学 2017
本文编号：2952412
本文链接：https://www.wllwen.com/guanlilunwen/wuliuguanlilunwen/2952412.html
