一种融合改进Ａ?算法与改进动态窗口法的ＡＧＶ路径规划

为满足AGV路径规划中路径的全局最优性和实时避障的需要，提出了一种基于改进A*算法+改进动态窗口法的融合算法。首先，基于传统A*算法，提出了一种基于障碍物类型的关键路径点提取策略，剔除冗余路径点，从而减少路径总转角，缩短全局路径长度；其次，根据提取的关键点计算贝塞尔曲线，生成一条符合机器人运动学的路径；最后，将改进A*算法与改进动态窗口法进行融合，将提取的关键路径点作为改进动态窗口法的过程目标点，并向动态窗口法的评价函数中加入全局路径代价函数，从而使融合算法同时具备全局路径最优性和动态避障能力。仿真实验结果表明：与传统A*算法相比，改进A*算法减少了52.8%的路径点，减少了5.8%的路径总转角，缩短了4.8%的全局路径总长度，而且基于改进A*算法的融合算法相较于基于传统A*算法的融合算法，效率提高了46.3%，能够很好的满足AGV路径规划的需要。最后并完成了实际场景下的运行实验验证。