【路径规划】基于A星算法结合floyd和动态窗口法实现机器人栅格地图路径规划附matlab代码

1 简介

针对移动机器人在静态环境中的特点,为了提高路径规划效率和精度,设计了A~*算法与Floyd算法结合的路径规划.我们根据实际环境,在栅格地图的基础上,利用A~*算法进行初步路径规划,找到了一条可通行的最短路径,此路径存在节点部分折点处比较尖锐,不够平滑,不利于移动机器人行驶.因此,使用Floyd算法对路径平滑处理,简化了路径,并且在拐点处机器人能够更好的调整姿态,满足了路径规划的要求.

2 部分代码

function Vr=CalcDynamicWindow_du(x,model)%global dt;% 车子速度的最大最小范围 % model= [   最高速度[m/s], 最高旋转速度[rad/s], 加速度[m/ss], 旋转加速度[rad/ss], 速度分辨率[m/s], 转速分辨率[rad/s]  ]Vs=[0 0 -model(2) model(2)];% Vs=[ 0, 最高速度[m/s],  -最高旋转速度[rad/s], 最高旋转速度[rad/s]   ]% 根据当前速度以及加速度限制计算的动态窗口% x=[x(m),y(m),yaw(Rad),v(m/s),w(rad/s)]​Vd=[0 0 x(5)-model(4)*dt x(5)+model(4)*dt];% Vd=[  v-at(0.1s后最低速度），v+at(0.1s后最高速度），w-bt(0.1s后最低加速度 ，w+bt(0.1s后最高加速度）]% 最终的Dynamic WindowVtmp=[Vs;Vd];% Vtmp=[      0,                 最高速度[m/s],       -最高旋转速度[rad/s],   最高旋转速度[rad/s]  ;%      v-at(0.1s后最低速度），v+at(0.1s后最高速度），w-bt(0.1s后最低加速度 ，  w+bt(0.1s后最高加速度）];Vr=[0 0 max(Vtmp(:,3)) min(Vtmp(:,4))];% 选出在限制条件下的速度范围%  Vr=[ 0.1s后最低速度 0.1s后最高速度 0.1s后最低加速度 0.1s后最高加速度 ]

3 仿真结果

4 参考文献

[1]陈欢, 王志荣. 基于A*与Floyd算法移动机器人路径规划研究[J]. 建设机械技术与管理, 2018, 31(3):3.​

博主简介：擅长智能优化算法、神经网络预测、信号处理、元胞自动机、图像处理、路径规划、无人机等多种领域的Matlab仿真，相关matlab代码问题可私信交流。

部分理论引用网络文献，若有侵权联系博主删除。