针对标准DWA算法在路径规划中存在较多冗余路段且路径规划时间长的缺点,提出了一种改进DWA算法。首先基于A*算法选取路径关键节点,确定无人车的子目标点;然后针对环境地图障碍物信息对速度评价函数进行改进,控制无人车在不同障碍物信息下的速度;最后在障碍物信息已知和未知情况下验证改进DWA算法的有效性。实验结果表明采用改进DWA算法进行路径规划,可以优化路径并有效改善无人车通过局部障碍的平滑性和安全性。

针对传统局部路径规划存在非全局最优、易陷入困境、导航效率低等问题,这里提出了一种将改进RRT(RapidlyExploring Random Trees)算法和动态窗口法融合的算法。首先优化基本RRT算法的采样策略,使用三次贝塞尔曲线平滑所生成的全局路径。然后改进DWA(Dynamic Window Approach)算法的轨迹评价函数,构造路径最优的目标函数,以保证路径规划最优,从而提高移动机器人的避障性能。最后使用ROS(Robot Operating System)平台进行仿真验证,实验结果表明,与A*-DWA和Dijkstra-DWA相比,所提出算法在复杂环境下路径长度更短、路径质量更优,行进时间明显减少,移动机器人的平均速度较A*-DWA算法提高了约16.8%,证明了算法的有效性和实用性。

在基于动态窗口法(DWA)的车辆非完整约束条件下的路径规划过程中,针对路径选择时以往不考虑车辆横向稳定性的问题,提出一种包含侧向加速度因子的横向稳定性评价的动态窗口路径规划算法。首先建立车辆运动模型;然后根据车辆转弯过程中不发生侧滑/侧翻的条件(侧倾力矩不大于回正力矩)建立约束方程,选择侧向加速度作为横向稳定性评价指标,通过计算得到安全转向的最大侧向加速度;最后将侧向加速度作为横向稳定性评价因子添加到路径选择的评价函数中,侧向加速度越小,该项评分越高,最大安全侧向加速度时,该项得分为0。仿真实验结果表明,防侧滑/侧翻的车辆路径规划方法能够实现对车辆横向稳定性的控制,对车辆转弯安全行驶研究具有指导价值,在无人车避障、汽车辅助驾驶等方面具有重要的应用价值。

针对传统A*算法在AGV路径规划中存在搜索范围大、转折多、实时性差等缺点,以A*算法为基础,通过建立栅格地图,改进启发函数,去除多余节点和提高避障安全性。针对AGV在复杂环境下的动态路径规划问题,将改进A*算法与动态窗口算法进行融合,规划出一条具有实时性的最优路径。通过仿真实验,验证了改进算法的有效性与可行性,实现了路径优化。通过机器人操作系统进行实验,结果表明AGV运行时的路径规划合理,满足实际应用需求。