基于改进A*算法的移动机器人路径规划

来源 :计算机仿真 | 被引量 : 0次 | 上传用户:nihaonan
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
针对传统A*算法在移动机器人路径规划中,存在的搜索效率低、路径优化等问题,提出了一种改进的双向A*路径规划算法。改进后的算法采用双向A*寻路搜索,吸取人工势场法引力思想,设定双向搜索中心虚拟目标点,建立从搜索起点到双向搜索的中点的距离衰减函数,吸引双向搜索能在中间区域相遇。并对预估函数加入适当的权值函数,在保障了较优路径前提下加快了算法的收敛速度。考虑机器人实际尺寸问题,进行避障策略设定,在障碍物拐角处进行领域扩展切换,提高了路径安全性。为验证该方法的有效性,通过MATLAB软件进行仿真,结果表明了
其他文献
由于煤矿井下背景环境复杂,导致行人检测的时效性和准确性都不能得到保障。为了提高行人检测在复杂的煤矿井下的检测效率,首先针对煤矿井下监控视频清晰度不高,提出改进的反锐化掩模算法(UM)增强图像轮廓和细节;其次提出多个特征融合的方式进行行人目标检测,选择提取样本HOG特征与LBP特征并降维;然后串联融合两种特征送入SVM分类器多次训练调优得到最佳模型。针对真实拍摄的三段视频进行测试,实验结果验证了本算
针对传感器故障信号非线性、非平稳性的特点,提出了基于经验多尺度加权排列熵与特征选择长短期记忆网络组合算法(EMWPE-Relief-LSTM)的传感器故障诊断方法。首先,采用集成经验模态分解(EEMD)将传感器输出的时间序列数据分解为本征模态分量(IMFs),利用峭度和方差这两个指标筛选出合适的本征模态分量;其次,计算本征模态分量的多尺度加权排列熵(EMWPE),将熵值作为特征向量;最后,通过Re
针对二维水下环境下的多水下机器人(Autonomous Underwater Vehicle, AUV)协作围捕问题,提出一种基于改进生物启发神经网络和位置分配的围捕策略。首先对二维水下环境进行栅格地图的构建;然后多个围捕AUV之间相互合作,提出利用"位置分配"策略合理分配逃逸目标AUV周围的围捕占位点给围捕AUV;最后利用改进的Glasius生物启发神经网络算法来完成围捕AUV到达围捕点的路径规