在移动机器人全局最优路径规划中,提出了一种对地图特征定向采样的改进A*算法,指在确保安全的前提下兼顾算法的效率和最优性。此算法分为三个部分,第一部分地图前处理,为确保路径安全无碰撞先进行障碍物膨胀处理,再借鉴基于采样的方法思想,但对地图特征进行定向采样,避免了基于采样的算法的随机性带来的路径成本过高问题。第二部分邻接矩阵构建,将采样所得特征点与始末点连接,将各点坐标及通断信息以邻接矩阵存储。第三部分路径搜索,用邻接矩阵替代原地图,并使用基于搜索的算法找出最优解,此时邻接矩阵信息量远低于原地图,避免了基于搜索的算法在处理大量节点时效率低下的问题。将改进的A*算法与传统A*路径规划算法在栅格地图中进行仿真对比。结果表明,虑移动机器人外围尺寸的障碍物膨胀处理能够确保规划出的路径是安全无碰撞...

为获得机器人机械臂躲避多障碍时的最优路径,研究了多类型障碍物环境下机械臂避障轨迹检测方法。根据笛卡尔空间和机械臂关节空间的关系,对机械臂进行运动学建模;构建障碍物简化模型,将障碍物模型映射到C-空间中,并将机械臂运动简化为一个两关节机械臂的运动,在C-空间内进行障碍物与两关节机械臂的碰撞运算,确定机器人机械臂的移动空间;在移动空间内采用象限判别法改进A*算法,结合贝塞尔曲线路径点平滑优化,检测机器人机械臂在障碍环境下的最佳避障轨迹。实验结果表明采用该方法对障碍物模型进行C-空间映射,障碍物和机械臂可运动空间醒目,机械臂的避障轨迹检测结果清晰,避障轨迹规划成功率大于98%。

针对传统A*算法在复杂栅格地图规划的路径不平滑存在多余转折点和多余共线节点,使用传统八叉树搜索策略时,AGV易发生碰撞障碍物现象,在复杂环境中随机出现在全局路径上的障碍物无法实现动态避障等问题,提出一种改进A*算法。由于传统A*算法的搜索效率主要取决于估价函数的设计,因此引入启发式函数的权重系数提高A*算法的搜索效率;设置障碍物安全距离,为判断障碍物区域内当前障碍物是否影响AGV通行提供参考,再次改进原有八叉树搜索策略提升避障性能,然后对得到的无碰撞路径进行路径优化处理,保留关键转折点;最后实现A*和DWA算法融合,进一步优化路径,并实现全局动态路径规划。实验结果表明:融合算法使得路径更加平滑,提高了算法的避障性能,表明了融合算法在机器人路径规划中的可行性。