本文详细介绍了DWA（Dynamic Window Approach）局部规划器的算法分析，包括运动模型建立、速度采样和评价函数三个关键部分。DWA用于确保机器人在遇到障碍时能及时停止，通过评估速度对机器人与目标角度差距、与障碍物距离的影响，找到最优速度组合。在归一化后，这三个因素相加得到成本，用于指导机器人的轨迹规划。
DWA算法分析
DWA Local Planner这部分是属于Local planner，在Navigation中有两个包：
dwa_local_planner 和base_local_planner 查看了dwa_local_planner ，发现其实际是调用的base_local_planner 中的函数，而base_local_planner 中包含了两种planner ：DWA 或者Trajectory Rollout approach 。所以结论就是，只需要搞清楚base_local_planner 的执行就OK。
base_local_planner package 实际是继承于BaseLocalPlanner
DWA算法实现分为四个部分
1.运动模型的建立
2.速度采样
3.评价函数
具体步骤如下
1.首先建立机器人的运动模型，退到出运动模型的航迹推演公式。
2.运动模型建立完毕后，接下来要进行速度采样。
采样速度的重点是要将机器人的速度限制在一定的范围内（v，w）
dist（vw）为机器人里障碍物最近的距离（并不是一开始就可以得到的，而是根据机器人遇到障碍物时这组速度可不可以停下来，如果可以停下来，那么这组数据就是可以接受的。如果停不下来，那就接受不了）
3.评价函数：
heading（v ，w）达到模拟轨迹末端时的朝向和目标之间的角度差距。dist（v，w）表示当前轨迹上和障碍物的差距。velocity（v w）用来评价当前轨迹速度的大小。
三个部分在归一化后进行相加。
demo：
- EGIN DWA(robotPose,robotG
最低0.47元/天 解锁文章
扫一扫
9631
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
