CN115562290B 一种基于a星惩罚控制优化算法的机器人路径规划方法 （南京航空航天大学）

一种基于A星惩罚控制优化算法的机器人路本发明提供了一种基于A星惩罚控制优化算函数对于当前节点至目标节点的代价估计更加21.一种基于A星惩罚控制优化算法的机器人路径规划方法，其特征在于，包括以下步步骤3，确定路径起始点坐标(xstart,ystart,zstart)和目标点坐标(xgoal,ygoal,zgoal)；步骤9，选取开启列表openlist中代价函数f(n)值最小的点作为要扩展的当前节点，步骤8-2包括：使用欧几里得距离表示当前节点至路径目标点的预估代价值，3nnn)为当前节点在栅格地图的坐标，(xparent,ypa示从父节点的父节点指向当前节点的父节点的向量，n2表示从父节点指向当前节点的向值取ξ(n)＝a1；通过计算当前车速下的最小转弯半径所对应的转向角δ,在当前行驶方向上对4[0001]本发明涉及机器人路径规划技术领域，特别涉及一种基于A星惩罚控制优化算法杂环境中自主导航的关键所在。在机器人路径规划问题上具有代表性的解决方案有A星算[0003]A星算法作为目前应用最为广泛的路径规划方法，有计算效率高和规划路径长度在此基础上找到通向目标点的最合适最短的路径。但是传统A星算法在面对较为复杂的障[0004]国内外的许多学者对传统A星算法进行了改进，例如中国发明专利申请号为惩罚控制优化算法的机器人路径规划方法，目的在于所提出的方法将能够克服传统A星算[0010]步骤4，初始化开启列表openlist与关闭列表closelist，将路径起始点坐标5[0022]步骤6中机器人的种类，采用不同的扩展方法对当前节点邻域进行扩展，具体包[0023]步骤6-1，当机器人的种类为无人驾驶汽车，先计算当前车速下的最小转弯半径Rmin，再通过计算当前车速下的最小转弯半径所对应的转向角δ,在当前行驶方[0025]步骤6-3，当机器人的种类为无人机，对当前节点在三维立体空间中进行邻域扩6nn1表示从父节点的父节点指向当前节点的父节点的向量，n2表示从父节点指向当前节点的22>a1。[0046]本发明提出的一种基于A星惩罚控制优化算法的机器人路径规划方法改善了传统7[0049]下面结合附图和具体实施方式对本发明做更进一步的具体说明，本发明的上述[0052]图3为本发明提出的A星惩罚控制优化算法的机器人路径规划方法在Ubuntu环境[0053]图4为引入惩罚函数和未引入惩罚函数时到达同一目标点规划路径所需时间、路[0055]步骤1，利用毫米波雷达、激光雷达、摄像头、IMU惯性测量单元(Inertial[0058]步骤4，初始化开启列表openlist与关闭列表closelist，将路径起始点坐标8nn)，并将当前节点从开启列表openlist中删除，并添加到关闭列表close[0071]步骤6-1，当机器人的种类为无人驾驶汽车，先计算当前车速下的最小转弯半径Rmin，再通过计算当前车速下的最小转弯半径所对应的转向角δ,在当前行驶方9相同的情况下，本发明A星算法规划的路径6比传统A星算法规划的路径5的拐点有显著减[0091]为了验证本方法的有效性，本实施例选取不同的目标点分别用本发明A星算法和传统A星算法进行路径规划，对比规划所需时间，规划出的路径长度和规划中探索的节点提供的一种基于A星惩罚控制优化算法的机器人路径规划方法的发明内容以及各实施例中解到本发明实施例中的技术方案可借助计算机程序以及其对应的通用硬件平台的方式来[0093]本发明提供了一种基于A星惩罚控制优化算法的机器人路径规划方法，