第33卷第2期2023年6月Vol.33No.2Jun.2023湖南工程学院学报（自然科学版）JournalofHunanInstituteofEngineering（NaturalScienceEdition）收稿日期：2022-06-29基金项目：湖南省自然科学基金资助项目（2023JJ50029）；湖南省教育厅一般项目（22C0427）；湖南工程学院青年科研项目（21015）.作者简介：肖岳平（1994-），男，硕士，研究方向：机器人系统.肖岳平，阳倩，苏焱鸿，黄守鹏（湖南工程学院电气与信息工程学院，湘潭411104）摘要：针对移动机器人在全局路径规划中不能进行动态实施避障、在局部路径规划中效率低等一系列问题.本文基于Gazebo的3D仿真环境，引入权重系数控制A*（A-star）算法的启发函数，减少全局规划路径的拐点，获取全局最优路径，提高算法效率；并选取全局最优路径上动态变化点作为DWA（DynamicWindowApproach）的关键点进行动态避障.仿真实验结果表明：基于改进A*与DWA的融合算法，既保证全局路径规划最优，且调整速度权值，并兼顾安全性和高效性.关键词：改进A*算法；路径规划；DWA算法；Gazebo环境开发中图分类号：TP242文献标识码：A文章编号：1671-119X（2023）02-0030-08基于改进A*与DWA算法融合的路径规划仿真设计0引言随着高新技术的不断创新与发展，移动机器人已经在人类日常生活中占有重要的地位.而在移动机器人研究领域中，路径规划是科学家们重点关注与研究的对象［1］.对于当前机器人路径规划的算法，可以分为全局路径规划算法和局部路径规划算法［2］.全局路径规划算法常用于静态环境，实时性略差［3］；局部路径规划算法则适用于动态环境，注重移动机器人的动态避障能力［4］.因此，移动机器人如何在实时避障的同时找到一条最优路径，对路径规划算法的研究显得至关重要［5］.本文在改进了全局路径规划A*算法［6］的基础上融合了局部路径规划算法DWA（dynamicwindowapproach）［7］，仿真实验结果表明：该算法可以保证路径规划的安全性和高效性.1仿真设计思路为了更加直观体现该算法的优越性，本文先基于Gazebo的3D环境创建模型和搭建环境，再使用改进的A*与DWA融合算法进行路径仿真设计.设计思路如图1所示.基于Gazebo的3D仿真环境开发模型创建环境搭建经典A*算法改进高效率获取全局最优路径融合DWA算法选取全局中的动态点进行处理对融合算法进行路径规划仿真图1设计思路流程图DOI:10.15987/j.cnki.hgbjbz.2023.02.010第2期2改进A*算法2.1经典Ａ*算法概述经典A*算法是一种静态路网中求解最短路径最有效的直接...
