多障碍环境下巡检机器人路径规划优化研究OA北大核心

针对大规模、密集的障碍物分布,高效地搜索最佳路径是一个挑战,为规划出更短的巡检路线,并实现多障碍环境下的灵活避障,文中提出一种多障碍环境下巡检机器人路径规划优化方法。使用二维矩阵构建巡检环境模型,应用D*算法在巡检环境模型中进行巡检机器人路径规划,并将传统D*算法中的扩展步长方式改变为自适应扩展步长,使机器人在面积较大的巡检场地能够更快地完成巡检;将代价函数由欧氏距离替换为切比雪夫诺距离和曼哈顿距离融合的代价函数,并引入了平滑度函数优化线路规划结果,使规划的路径更为平滑,在遇到由于多种原因产生的新障碍物时可以重新规划路径。通过实验结果可知,无论是静态地图还是动态地图,该方法均可以快速准确地规划出一条最佳路线,并且在多种环境中应用该方法能够高效获取路径规划结果。