ComputerEngineeringandApplications计算机工程与应用2023，59（6）近些年来，随着人工智能的快速发展，移动机器人广泛应用于各个领域，极大地方便人们的生活，机器人的研究受到了广泛关注[1]。移动机器人智能避障的能力是其智能化的重要指标[2]，不仅反映了移动机器人运行的效率、可行性和能耗，还反映了机器人检测障碍物、处理障碍物信息和避开障碍物的方式。如今对移动机器人自主避障[3-5]算法的研究取得了很大进展，许多算法应用于移动机器人自主避障系统中，主要包括模糊控制、人工势场、神经网络和DWA算法[6-7]。模糊控制算法具有算法简单、易于理解、鲁棒性强等优点，但存在设计需要经验、控制精度低、无学习能力等问题；人工势场算法具有简单、实时性好、路径平滑等优点，但只能到达目标点附近而不能完全抵达目标点，精确度较低等问题；神经网络算法利用大量数据训练模型，可以自动学习参数得到最终的网络模型，但存在网络复杂度高、泛化性低等问题。DWA算法是Fox等[8]提出将曲率和速度相结合，该算法将根据速度在一段时间内模拟机器人的轨迹，然后它将通过评分规则对这些模拟轨迹进行评分，将机器人的避障问题转化为最优速度执行问题，在可行性和运动连续性方面具有明显优势。文献[9]考虑了在轨道附近但不在轨道上的障碍物，修改了评价函数来改进DWA算法，并通过使用障碍物的直方图网格表示轨迹的碰撞概率；文献[10]利用模糊控制理论改进DWA算法，对各项子函数的权重系数进行调整以提高机器人改进DWA算法的移动机器人避障研究王豪杰，马向华，代婉玉，靳午煊上海应用技术大学电气与电子工程学院，上海201418摘要：针对传统动态窗口法（DWA）在稠密障碍物区域存在最优路径难以选取及生成路径不平滑等问题，提出了一种改进的DWA移动机器人避障算法。基于微分流形切向量选取与障碍物不相交的机器人预轨迹，引入障碍物数量因子与方向角变化因子来改进评价函数，提高机器人在障碍物密集区域运行的安全性，使用改进后的评价函数对选取的轨迹进行评价，进而确定最优轨迹对应的速度。通过多组仿真实验对比表明：改进的DWA算法在障碍物密集区域能规划出更合理、平滑的运行路径，在保证了机器人安全性的同时还具有更好的避障效果。关键词：避障；DWA算法；微分流形；障碍物数量因子；方向角变化因子文献标志码：A中图分类号：TP242.2doi：10.3778/j.issn.1002-8331.2205-0210ResearchonObstacleAvoidanceofMobileRobotBasedonImprovedDWAAlgorithmWA...
