基于象限判别下的改进A * 算法路径规划

发布时间：2021-02-08 07:18

　　传统A*算法找到零碰撞概率的节点,需要很多处理时间并涉及检查很多相邻节点,因此工作效率较低。文章提出,将图像处理技术与路径规划避免碰撞技术相结合,通过基于象限判别下的改进A*算法,识别从起始点到目标点的最佳路径,避免碰到任何障碍物。为了验证所提出的改进A*算法可以解决传统A*算法中的缺点,通过编程语言MATLAB的图形处理进行了避障路径仿真。结果表明,所提出的改进A*算法可以有效缩短路径,减少处理时间。 

【文章来源】：常州工学院学报. 2020,33(02)

【文章页数】：6 页

【部分图文】：

bmp格式图片灰度处理后

改进A*算法的复杂度表示为二元函数O(b,d)。改进A*算法为所有可能的后续步骤维护一个开放列表，选择下一步以便于在最短的时间内达到目标点。为了使A*算法检索起始点到目标点所用时间最短，我们需要一个启发式方法来确定达到目标点的最佳路径。完成上述步骤后，算法就会得到封闭列表。本文提出的改进A*算法的流程见图3。4 实验仿真

在灰度处理环境中，图4显示了在100 cm×100 cm网格环境中使用A*算法仿真灰度遍历路径。在此实验设置中，目标和障碍物的位置是固定的，并且假设障碍物是静态的。机器人起始点坐标为(17,30)，目标点坐标为(82,40)。机器人开始遍历由传统A*算法计算的最优路径并到达目标。到达目标的时间是5.924 1 s，经过的路程为1 228.920 mm。图5显示了机器人在100 cm×100 cm网格环境中使用传统A*算法遍历的路径。图5 传统的A*算法仿真遍历轨迹

【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研究[J]. 吴鹏,桑成军,陆忠华,余双,方临阳,张屹.  计算机工程与应用. 2019(21)
[2]改进A*算法在机器人室内路径规划中的应用[J]. 陈若男,文聪聪,彭玲,尤承增.  计算机应用. 2019(04)
[3]基于改进A*算法机器人路径规划研究[J]. 王小红,叶涛.  计算机测量与控制. 2018(07)
[4]基于松弛Dijkstra算法的移动机器人路径规划[J]. 潘成浩,郭敏.  计算机与现代化. 2016(11)
[5]基于多算法结合的机器人路径规划算法[J]. 邱浩,杨为民,鲜子霆.  电脑知识与技术. 2016(17)

硕士论文
[1]基于多传感器融合的全方位四轮移动机器人的路径规划[D]. 高利霞.北京邮电大学 2017
[2]利用局部传感器的移动机器人路径规划研究[D]. 陈安媛.武汉工程大学 2015



本文编号：3023562