17、基于算法融合的移动机器人路径规划

基于算法融合的移动机器人路径规划

1. 人工势场法

人工势场法是一种用于机器人路径规划的方法，它通过引力场和斥力场来引导机器人运动。机器人受到的合力等于引力和斥力之和，即：
$F_{total} = F_{att} + F_{rep}$

其中，斥力场的相关参数如下：
- $k_{rep}$ 是正比例因子。
- $R_{obs} = (x_{obs}, y_{obs})$ 是障碍物的位置。
- $\rho(R, R_{obs})$ 是机器人与障碍物之间的距离。
- $\rho_0$ 表示障碍物的影响距离。

斥力是斥力势能的负梯度，其表达式为：
[
F_{rep}(R) = -\nabla U_{rep}(R) =
\begin{cases}
k_{rep}(\frac{1}{\rho(R, R_{obs})} - \frac{1}{\rho_0})\frac{1}{\rho^2(R, R_{obs})}\nabla\rho(R, R_{obs}), & \rho(R, R_{obs}) \leq \rho_0 \
0, & \rho(R, R_{obs}) > \rho_0
\end{cases}
]

人工势场法结构简单，在机器人轨迹的实时控制方面表现良好，但它仅适用于解决局部避障问题。在全局地图的某些区域，当机器人受到引力势场函数和斥力势场函数的共同作用时，容易在某个位置产生振荡或停滞，即所谓的局部极小点。产生局部极小点的概率与障碍物的数量成正比，障碍物越多，产生局部极小点的概率就越高。

2. A*