CN114199270A - 融合双向搜索机制与改进a*算法的机器人路径规划方法 - Google Patents
融合双向搜索机制与改进a*算法的机器人路径规划方法 Download PDFInfo
- Publication number
- CN114199270A CN114199270A CN202111525351.0A CN202111525351A CN114199270A CN 114199270 A CN114199270 A CN 114199270A CN 202111525351 A CN202111525351 A CN 202111525351A CN 114199270 A CN114199270 A CN 114199270A
- Authority
- CN
- China
- Prior art keywords
- node
- nodes
- point
- path
- algorithm
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 36
- 230000002457 bidirectional effect Effects 0.000 title claims abstract description 28
- 230000007246 mechanism Effects 0.000 title claims abstract description 22
- 230000004888 barrier function Effects 0.000 claims abstract description 8
- 239000013598 vector Substances 0.000 claims description 4
- 238000012217 deletion Methods 0.000 claims description 3
- 230000037430 deletion Effects 0.000 claims description 3
- 238000011156 evaluation Methods 0.000 claims description 3
- 230000000670 limiting effect Effects 0.000 claims description 3
- 230000000717 retained effect Effects 0.000 claims description 3
- 230000002441 reversible effect Effects 0.000 claims description 3
- 238000012216 screening Methods 0.000 claims description 3
- 238000012163 sequencing technique Methods 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims description 2
- 238000013144 data compression Methods 0.000 claims description 2
- 238000002474 experimental method Methods 0.000 claims description 2
- 230000008569 process Effects 0.000 claims description 2
- 230000002829 reductive effect Effects 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000004904 shortening Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/34—Route searching; Route guidance
- G01C21/3446—Details of route searching algorithms, e.g. Dijkstra, A*, arc-flags, using precalculated routes
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Automation & Control Theory (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Manipulator (AREA)
- Numerical Control (AREA)
Abstract
本发明公开了一种融合双向搜索机制与改进A*算法的机器人路径规划方法。针对A*算法规划出的路径存在触碰障碍物的风险，并且产生过多冗余点和转折点的问题。提出了一种融合双向搜索机制的改进A*算法，首先，引入搜索方向定位策略，减少节点搜索，提高算法效率；其次，加入改进子节点扩展策略，使得机器人与障碍物保持安全距离；融入双向搜索机制，利用改进的A*算法在目标点与起始点同时搜索，进一步减少规划时间。在二维栅格地图环境下得到初始路径，通过垂距限值法提取出路径转折点，引入贪心思想选取最优转折点，基于B样条曲线拟合最优转折点，得到一条光滑滑路径。本发明方法能够找到一条用时短、无触碰、转折点少的最优路径。
Description
技术领域
本发明涉及机器人控制领域，具体是一种融合双向搜索机制与改进A*算法的机器人路径规划方法。
背景技术
移动机器人路径规划，最终目的是寻找到一条可以从起始点到目标点的安全、无碰撞路径。在此基础之上，我们还需解决如何花最短的时间、最低的成本去寻找距离最近的最优路径。
目前常用的路径规划算法有人工势场法、A*算法、动态窗口算法、遗传算法、蚁群算法等。其中，A*算法因其简单、高效、易操作、准确等特点，在静态全局路径规划中得到广泛应用。A*算法综合了BFS(广度优先搜索)和Dijkstra算法的优点，在进行启发式搜索提高算法效率的同时，可以保证找到一条最优路径(基于评估函数)。然而，传统A*算法没有考虑到机器人与障碍物之间的安全距离，规划出的路径往往贴合障碍物边缘，路径中存在较多转折点，整体路径不平滑，路径规划时间长，不利于机器人的运动。
为此，本发明提出一种基于融合双向搜索机制与改进A*算法的机器人路径规划方法，为限制机器人与障碍物之间的安全距离，减少路径转折点，从而更好的提高路径质量，同时也为复杂环境下的路径规划提供一种新思路。
发明内容
为解决上述问题，本发明目的在于提供一种融合双向搜索机制与改进A*算法的机器人路径规划方法。
为了达成上述目的，本发明的解决方案是：
融合双向搜索机制与改进A*算法的机器人路径规划方法，包括以下步骤(1)～(6)：
(1)传统A*算法在搜索路径时，比较当前节点与目标节点的横纵坐标值大小，来确定方向，与目标方向相同的节点保留，与目标方向相反的节点删除；
(2)检查搜索的节点相邻栅格有障碍物节点时，此节点将不作为待扩展节点，即删除此节点，这样能够保证扩展出来的节点与障碍物保持安全距离；
(3)从起点与目标点同时运用改进后的A*算法进行搜索，同时向各自的目标点进行扩展，最终双向扩展点相交，终止搜索，得到全局路径，其步骤可总结如下：
(a)算法运行开始时，首先创建建立双向OPEN表、CLOSE表、用1表示正向表，2 表示反向表，将起始点、目标点(即双向搜索的两端点)放入对应的OPEN1表和OPEN2 表，作为各自的搜索起点，准备扩展；
(b)判断OPEN1表和OPEN2表是否为空，如果存在空列表则执行(g)，否者执行下一步骤；
(c)通过搜索方向定位策略和改进子节点扩展策略的筛选，将满足条件的子节点分别存入到OPEN1表和OPEN2表中；
(d)分别选取OPEN1表和OPEN2表中f(n)值最小值点存入对应CLOSE1、CLOSE2 表中，成为新的扩展当前点；
(e)将新的扩展当前点，扩展领域范围内的点存入OPEN1表和OPEN2表中，分别判断OPEN1与CLOSE2中和OPEN2与CLOSE1两组列表中是否存在重复节点，若有一组列表存在重复节点，则执行下一步骤，否则执行(b)；
(f)从CLOSE1沿父节点回溯到起点，从CLOSE2沿父节点回溯到终点，合并两条路径得到最终路径；
(g)程序运行结束；
(4)运用垂距限值法，从生成的初始路径节点中，提取出路径转折点；
(5)将提取出的最转折点进行从起点至终点方向顺序排序，从起点开始依次与终点连线，若连线相交障碍物，则保留节点，并删除中间节点，继续从起点开始依次与所保留节点相连，若连线相交障碍物，则保留节点，并删除中间节点，重复循环，直到起点为止。
(6)加入三次B样条曲线，拟合最优转折点，生成最终路径；
2、如权利要求1所述的融合双向搜索机制与改进A*算法的机器人路径规划方法，其特征在于，所述步骤(1)比较坐标大小来确定搜索方向的具体步骤为：
(1)用Pz(Z1,Z2)表示目标点坐标，用Px(X1,X2)表示搜索当前点坐标；
(2)将每个节点搜索的8个领域分成8个部分，如图2所示即1、2、3，2、3、4，3、 4、5，4、5、6，5、6、7，6、7、8，8、7、1，8、1、2；
(3)判断如果Z1>X1且Z2>X2,则搜索方向沿右上，将1、2、3节点作为待扩展节点放入OPEN表中，删除其余方向的点；如果Z1＝X1且Z2>X2，则搜索方向沿垂直向上，将8、 1、2节点作为待扩展节点，删除其余方向的点；如果Z1<X1且Z2>X2，则搜索方向沿左上，将7、8、1节点作为待扩展节点放入OPEN表中，删除其余方向的点；如果Z1<X1且Z2＝X2，则搜索方向沿水平向左，将6、7、8节点作为待扩展节点；如果Z1<X1且Z2<X2，则搜索方向沿左下；如果Z1＝X1且Z2<X2，则搜索方向沿垂直向下；如果Z1>X1且Z2<X2，则搜索方向沿右下；如果Z1>X1且Z2＝X2，则搜索方向沿水平向右；
3、如权利要求1所述的融合双向搜索机制与改进A*算法的机器人路径规划方法，其特征在于，所述步骤(2)改进子节点扩展策略的具体步骤为：
(1)如图3所示，以1处为中心节点，沿逆时针将周围8个领域编号。
(2)父节点向沿垂直和水平扩散至2或4处时，因为相邻节点3处是障碍物节点，所以2、4节点将不会放入到待扩展节点集中，同理，父节点沿对角线扩展至7或9处时，因为8处是障碍物节点所以，所以7、9节点将不会放入到待扩展节点集中。将剩余节点放入到待选节点集中，然后通过评价函数来选取扩展节点，最终得到的路径节点都与障碍物保持一定距离。
4、如权利要求1所述的融合双向搜索机制与改进A*算法的机器人路径规划方法，其特征在于，所述步骤(4)垂距限值法是一种矢量数据压缩算法，能够满足快速删除冗余节点的需要，相对于道格拉斯-普克法算法，垂距限值法具有算法简单和易于编程实现等优点，针对此原理运用到提取路径转折点上如图4所示，具体具体步骤为：
(1)在路径上按首端至尾端顺序，依次用虚线连接1-3、2-4、3-5、4-6、5-7；
(2)以2号节点开始，计算2号节点到1-3直线距离E；
(3)如果d大于预先给定的距离阈值Q，则保留2号节点，计算3号节点到2-4直线，段距离E；若E小于距离阈值Q则删除3号节点；
(4)计算4号节点到2-5直线段距离E，如果E大于距离阈值Q则保留4号节点；
(5)对后面节点重复(b)—(d)步骤进行处理；
(6)当路径上节点处理完毕后，依次连接各个保留节点形成的折线，即可得到改进后的路径；
5、如权利要求1所述的融合双向搜索机制与改进A*算法的机器人路径规划方法，其特征在于，所述步骤(5)运行贪心思想实现最优转折点的选取具体步骤：
(1)如图5所示利用垂距限值法得到的路径转折点坐标Pi，i＝1、2、3...按照从起点到终点的顺序依次存储在坐标集path中；将地图的边界与障碍物等不可到达区域存储在集合 obstacle中；
(2)将起点与终点放置到坐标集Oto(Optimal turning point)中，并设定目标点为Ps；之后按从终点向起点顺序依次路径转折点Pi-1与目标点Ps两点连线(Pi-1—Ps)是否穿越障碍物；
(3)若Pi-1—Ps不穿越障碍物，则继续计算Pi-2—Ps是否穿越障碍物；依次类推计算Pi-j—Ps(j＝1、2、3且j<i)是否穿越障碍物，若Pi-j—Ps穿越障碍物，则将Pi-j-1放入到Oto中，并更新Ps为Pi-j-1，直至计算至起点；
(4)将Oto中的节点按从起点至终点顺序依次连接，得到优化转折点后的路径；
6、如权利要求5所述的贪心思想实验最优转折点的选取，其特征在于所述步骤(b)求两点连线是否穿越障碍物，利用两向量叉乘，已知A点坐标(a1,a2)和B点坐标(b1,b2)和障碍物节点C坐标(c1,c2),则节点C到AB的线段的距离d为：
本发明有益效果在于，本发明主要是针对移动机器人在二维栅格地图下，使用A*算法路径规划时效率较低的问题，提出了双向机制的改进A*算法。该算法，首先引入搜索方向定位策略，减少节点搜索。其次，加入改进子节点扩展策略，使得机器人与障碍物保持安全距离融入双向搜索机制，利用改进的A*算法在目标点与起始点同时搜索，进一步减少规划时间。在二维栅格地图环境下得到初始路径，通过垂距限值法提取出路径转折点，引入贪心思想选取最优转折点，基于B样条曲线拟合最优转折点，得到一条光滑路径。
附图说明
图1为融合双向搜索机制与改进A*算法的机器人路径规划方法。
图2搜索方向定位策略示意图。
图3改进8领域节点搜索策略示意图。
图4垂距限值法删除共线节点示意图。
图5基于贪心思想的路径缩短示意图。
具体实施方式
本发明目的在于提供一种融合双向搜索机制与改进A*算法的机器人路径规划方法，
为了达成上述目的，本发明的解决方案是：
(1)传统A*算法在搜索路径时，比较当前节点与目标节点的横纵坐标值大小，来确定方向，与目标方向相同的节点保留，与目标方向相反的节点删除；
(2)检查搜索的节点相邻栅格有障碍物节点时，此节点将不作为待扩展节点，即删除此节点，这样能够保证扩展出来的节点与障碍物保持安全距离；
(3)从起点与目标点同时运用改进后的A*算法进行搜索，同时向各自的目标点进行扩展，最终双向扩展点相交，终止搜索，得到全局路径，其步骤可总结如下：
(a)算法运行开始时，首先创建建立双向OPEN表、CLOSE表、用1表示正向表，2 表示反向表，将起始点、目标点(即双向搜索的两端点)放入对应的OPEN1表和OPEN2表，作为各自的搜索起点，准备扩展；
(b)判断OPEN1表和OPEN2表是否为空，如果存在空列表则执行(g)，否者执行下一步骤；
(c)通过搜索方向定位策略和改进子节点扩展策略的筛选，将满足条件的子节点分别存入到OPEN1表和OPEN2表中；
(d)分别选取OPEN1表和OPEN2表中f(n)值最小值点存入对应CLOSE1、CLOSE2 表中，成为新的扩展当前点；
(e)将新的扩展当前点，扩展领域范围内的点存入OPEN1表和OPEN2表中，分别判断OPEN1与CLOSE2中和OPEN2与CLOSE1两组列表中是否存在重复节点，若有一组列表存在重复节点，则执行下一步骤，否则执行(b)；
(f)从CLOSE1沿父节点回溯到起点，从CLOSE2沿父节点回溯到终点，合并两条路径得到最终路径；
(g)程序运行结束；
(4)运用垂距限值法，从生成的初始路径节点中，提取出路径转折点；
(5)将提取出的最转折点进行从起点至终点方向顺序排序，从起点开始依次与终点连线，若连线相交障碍物，则保留节点，并删除中间节点，继续从起点开始依次与所保留节点相连，若连线相交障碍物，则保留节点，并删除中间节点，重复循环，直到起点为止。
(6)加入三次B样条曲线，拟合最优转折点，生成最终路径；
以上实施例仅为说明本发明的技术思想，不能以此限定本发明的保护范围，凡是按照本发明提出的技术思想，在技术方案基础上所做的任何改动，均落入本发明保护范围之内。
Claims (6)
1.融合双向搜索机制与改进A*算法的机器人路径规划方法，其特征在于，包括以下步骤：
(1)传统A*算法在搜索路径时，比较当前节点与目标节点的横纵坐标值大小，来确定方向，与目标方向相同的节点保留，与目标方向相反的节点删除；
(2)检查搜索的节点相邻栅格有障碍物节点时，此节点将不作为待扩展节点，即删除此节点，这样能够保证扩展出来的节点与障碍物保持安全距离；
(3)从起点与目标点同时运用改进后的A*算法进行搜索，同时向各自的目标点进行扩展，最终双向扩展点相交，终止搜索，得到全局路径，其步骤可总结如下：
(a)算法运行开始时，首先创建建立双向OPEN表、CLOSE表、用1表示正向表，2表示反向表，将起始点、目标点(即双向搜索的两端点)放入对应的OPEN1表和OPEN2表，作为各自的搜索起点，准备扩展；
(b)判断OPEN1表和OPEN2表是否为空，如果存在空列表则执行(g)，否者执行下一步骤；
(c)通过搜索方向定位策略和改进子节点扩展策略的筛选，将满足条件的子节点分别存入到OPEN1表和OPEN2表中；
(d)分别选取OPEN1表和OPEN2表中f(n)值最小值点存入对应CLOSE1、CLOSE2表中，成为新的扩展当前点；
(e)将新的扩展当前点，扩展领域范围内的点存入OPEN1表和OPEN2表中，分别判断OPEN1与CLOSE2中和OPEN2与CLOSE1两组列表中是否存在重复节点，若有一组列表存在重复节点，则执行下一步骤，否则执行(b)；
(f)从CLOSE1沿父节点回溯到起点，从CLOSE2沿父节点回溯到终点，合并两条路径得到最终路径；
(g)程序运行结束；
(4)运用垂距限值法，从生成的初始路径节点中，提取出路径转折点；
(5)将提取出的最转折点进行从起点至终点方向顺序排序，从起点开始依次与终点连线，若连线相交障碍物，则保留节点，并删除中间节点，继续从起点开始依次与所保留节点相连，若连线相交障碍物，则保留节点，并删除中间节点，重复循环，直到起点为止；
(6)加入三次B样条曲线，拟合最优转折点，生成最终路径。
2.如权利要求1所述的融合双向搜索机制与改进A*算法的机器人路径规划方法，其特征在于，所述步骤(1)比较坐标大小来确定搜索方向的具体步骤为：
(1)用Pz(Z1,Z2)表示目标点坐标，用Px(X1,X2)表示搜索当前点坐标；
(2)将每个节点搜索的8个领域分成8个部分，如图2所示即1、2、3，2、3、4，3、4、5，4、5、6，5、6、7，6、7、8，8、7、1，8、1、2；
(3)判断如果Z1>X1且Z2>X2,则搜索方向沿右上，将1、2、3节点作为待扩展节点放入OPEN表中，删除其余方向的点；如果Z1＝X1且Z2>X2，则搜索方向沿垂直向上，将8、1、2节点作为待扩展节点，删除其余方向的点；如果Z1<X1且Z2>X2，则搜索方向沿左上，将7、8、1节点作为待扩展节点放入OPEN表中，删除其余方向的点；如果Z1<X1且Z2＝X2，则搜索方向沿水平向左，将6、7、8节点作为待扩展节点；如果Z1<X1且Z2<X2，则搜索方向沿左下；如果Z1＝X1且Z2<X2，则搜索方向沿垂直向下；如果Z1>X1且Z2<X2，则搜索方向沿右下；如果Z1>X1且Z2＝X2，则搜索方向沿水平向右。
3.如权利要求1所述的融合双向搜索机制与改进A*算法的机器人路径规划方法，其特征在于，所述步骤(2)改进子节点扩展策略的具体步骤为：
(1)如图3所示，以1处为中心节点，沿逆时针将周围8个领域编号；
(2)父节点向沿垂直和水平扩散至2或4处时，因为相邻节点3处是障碍物节点，所以2、4节点将不会放入到待扩展节点集中，同理，父节点沿对角线扩展至7或9处时，因为8处是障碍物节点所以，所以7、9节点将不会放入到待扩展节点集中。将剩余节点放入到待选节点集中，然后通过评价函数来选取扩展节点，最终得到的路径节点都与障碍物保持一定距离。
4.如权利要求1所述的融合双向搜索机制与改进A*算法的机器人路径规划方法，其特征在于，所述步骤(4)垂距限值法是一种矢量数据压缩算法，能够满足快速删除冗余节点的需要，相对于道格拉斯-普克法算法，垂距限值法具有算法简单和易于编程实现等优点，针对此原理运用到提取路径转折点上如图4所示，具体具体步骤为：
(1)在路径上按首端至尾端顺序，依次用虚线连接1-3、2-4、3-5、4-6、5-7；
(2)以2号节点开始，计算2号节点到1-3直线距离d；
(3)如果d大于预先给定的距离阈值P，则保留2号节点，计算3号节点到2-4直线，段距离d；若d小于距离阈值P则删除3号节点；
(4)计算4号节点到2-5直线段距离d，如果d大于距离阈值P则保留4号节点；
(5)对后面节点重复(b)—(d)步骤进行处理；
(6)当路径上节点处理完毕后，依次连接各个保留节点形成的折线，即可得到改进后的路径。
5.如权利要求1所述的融合双向搜索机制与改进A*算法的机器人路径规划方法，其特征在于，所述步骤(5)运行贪心思想实现最优转折点的选取具体步骤：
(1)如图5所示利用垂距限值法得到的路径转折点坐标Pi，i＝1、2、3...按照从起点到终点的顺序依次存储在坐标集path中；将地图的边界与障碍物等不可到达区域存储在集合obstacle中；
(2)将起点与终点放置到坐标集Oto(Optimal turning point)中，并设定目标点为Ps；之后按从终点向起点顺序依次路径转折点Pi-1与目标点Ps两点连线(Pi-1—Ps)是否穿越障碍物；
(3)若Pi-1—Ps不穿越障碍物，则继续计算Pi-2—Ps是否穿越障碍物；依次类推计算Pi-j—Ps(j＝1、2、3且j<i)是否穿越障碍物，若Pi-j—Ps穿越障碍物，则将Pi-j-1放入到Oto中，并更新Ps为Pi-j-1，直至计算至起点。
(4)将Oto中的节点按从起点至终点顺序依次连接，得到优化转折点后的路径；
6.如权利要求5所述的贪心思想实验最优转折点的选取，其特征在于所述步骤(b)求两点连线是否穿越障碍物，利用两向量叉乘，已知A点坐标(a1,a2)和B点坐标(b1,b2)和障碍物节点C坐标(c1,c2),则节点C到AB的线段的距离d为：
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111525351.0A CN114199270A (zh) | 2021-12-14 | 2021-12-14 | 融合双向搜索机制与改进a*算法的机器人路径规划方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111525351.0A CN114199270A (zh) | 2021-12-14 | 2021-12-14 | 融合双向搜索机制与改进a*算法的机器人路径规划方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114199270A true CN114199270A (zh) | 2022-03-18 |
Family
ID=80653543
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111525351.0A Pending CN114199270A (zh) | 2021-12-14 | 2021-12-14 | 融合双向搜索机制与改进a*算法的机器人路径规划方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114199270A (zh) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114610076A (zh) * | 2022-05-10 | 2022-06-10 | 四川大学 | 结合人工势场法与A-star算法角度约束的航迹规划方法 |
| CN115017805A (zh) * | 2022-05-31 | 2022-09-06 | 四川晟蔚智能科技有限公司 | 基于双向a*算法的核退役场区最优路径规划方法及系统 |
| CN115204466A (zh) * | 2022-06-20 | 2022-10-18 | 中国南方航空股份有限公司 | 一种带通行限制的国际航线航路规划方法 |
| CN115877853A (zh) * | 2023-03-03 | 2023-03-31 | 天津牛磨王科技有限公司 | 一种智慧仓储物流路径规划系统及方法 |
| CN116652972A (zh) * | 2023-07-31 | 2023-08-29 | 成都飞机工业（集团）有限责任公司 | 基于双向贪心搜索算法的串联机器人末端轨迹规划方法 |
| CN117451057A (zh) * | 2023-12-25 | 2024-01-26 | 长春理工大学 | 基于改进a*算法无人机三维路径规划方法、设备和介质 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106843211A (zh) * | 2017-02-07 | 2017-06-13 | 东华大学 | 一种基于改进遗传算法的移动机器人路径规划方法 |
| CN108896052A (zh) * | 2018-09-20 | 2018-11-27 | 鲁东大学 | 一种基于动态复杂环境下的移动机器人平滑路径规划方法 |
| CN110220528A (zh) * | 2019-06-10 | 2019-09-10 | 福州大学 | 一种基于a星算法的自动驾驶无人车双向动态路径规划方法 |
| CN112882468A (zh) * | 2021-01-13 | 2021-06-01 | 安徽理工大学 | 一种改进a*算法的药房机器人路径规划方法 |
-
2021
- 2021-12-14 CN CN202111525351.0A patent/CN114199270A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106843211A (zh) * | 2017-02-07 | 2017-06-13 | 东华大学 | 一种基于改进遗传算法的移动机器人路径规划方法 |
| CN108896052A (zh) * | 2018-09-20 | 2018-11-27 | 鲁东大学 | 一种基于动态复杂环境下的移动机器人平滑路径规划方法 |
| CN110220528A (zh) * | 2019-06-10 | 2019-09-10 | 福州大学 | 一种基于a星算法的自动驾驶无人车双向动态路径规划方法 |
| CN112882468A (zh) * | 2021-01-13 | 2021-06-01 | 安徽理工大学 | 一种改进a*算法的药房机器人路径规划方法 |
Non-Patent Citations (4)
| Title |
|---|
| BO-BO MENG: "UAV path planning based on bidirectional sparse A* search algorithm", 《PROCEEDINGS OF THE 2010 INTERNATIONAL CONFERENCE ON INTELLIGENT COMPUTATION TECHNOLOGY AND AUTOMATION (ICICTA 2010)》, vol. 3, pages 1106 - 9, XP031715973 * |
| MENG ZHAO: "A fast robot path planning algorithm based on bidirectional associative learning", 《COMPUTERS & INDUSTRIAL ENGINEERING》, vol. 155, pages 1 - 16 * |
| 包丽: "面向移动机器人的混合路径规划实现", 《中国优秀硕士学位论文全文数据库信息科技辑》, no. 6, pages 140 - 377 * |
| 张阳伟: "基于四叉树栅格环境的变步长双向A*算法", 《控制工程》, vol. 28, no. 10, pages 1960 - 1966 * |
Cited By (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114610076A (zh) * | 2022-05-10 | 2022-06-10 | 四川大学 | 结合人工势场法与A-star算法角度约束的航迹规划方法 |
| CN114610076B (zh) * | 2022-05-10 | 2022-07-29 | 四川大学 | 结合人工势场法与A-star算法角度约束的航迹规划方法 |
| CN115017805A (zh) * | 2022-05-31 | 2022-09-06 | 四川晟蔚智能科技有限公司 | 基于双向a*算法的核退役场区最优路径规划方法及系统 |
| CN115204466A (zh) * | 2022-06-20 | 2022-10-18 | 中国南方航空股份有限公司 | 一种带通行限制的国际航线航路规划方法 |
| CN115204466B (zh) * | 2022-06-20 | 2024-02-20 | 中国南方航空股份有限公司 | 一种带通行限制的国际航线航路规划方法 |
| CN115877853A (zh) * | 2023-03-03 | 2023-03-31 | 天津牛磨王科技有限公司 | 一种智慧仓储物流路径规划系统及方法 |
| CN116652972A (zh) * | 2023-07-31 | 2023-08-29 | 成都飞机工业（集团）有限责任公司 | 基于双向贪心搜索算法的串联机器人末端轨迹规划方法 |
| CN116652972B (zh) * | 2023-07-31 | 2023-11-10 | 成都飞机工业（集团）有限责任公司 | 基于双向贪心搜索算法的串联机器人末端轨迹规划方法 |
| CN117451057A (zh) * | 2023-12-25 | 2024-01-26 | 长春理工大学 | 基于改进a*算法无人机三维路径规划方法、设备和介质 |
| CN117451057B (zh) * | 2023-12-25 | 2024-03-12 | 长春理工大学 | 基于改进a*算法无人机三维路径规划方法、设备和介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN114199270A (zh) | 融合双向搜索机制与改进a*算法的机器人路径规划方法 | |
| CN111811514B (zh) | 一种基于正六边形栅格跳点搜索算法的路径规划方法 | |
| CN110231824B (zh) | 基于直线偏离度方法的智能体路径规划方法 | |
| CN110487279B (zh) | 一种基于改进a＊算法的路径规划方法 | |
| CN111176286B (zh) | 一种基于改进D*lite算法的移动机器人路径规划方法及系统 | |
| CN108274465A (zh) | 基于优化a*的人工势场机械臂三维避障路径规划方法 | |
| US11747826B2 (en) | Method for route optimization based on dynamic window and redundant node filtering | |
| CN110006429A (zh) | 一种基于深度优化的无人船航迹规划方法 | |
| CN107943053A (zh) | 一种移动机器人的路径规划方法 | |
| CN103529843A (zh) | Lambda*路径规划算法 | |
| CN113485369A (zh) | 改进a*算法的室内移动机器人路径规划和路径优化方法 | |
| CN114510056A (zh) | 室内移动机器人的平稳移动全局路径规划方法 | |
| CN114161416A (zh) | 基于势函数的机器人路径规划方法 | |
| CN106447271A (zh) | 用于在仓储区域中识别路径的方法和系统 | |
| CN114675649A (zh) | 一种融合改进的a*与dwa算法的室内移动机器人路径规划方法 | |
| CN112947486A (zh) | 移动机器人的路径规划方法、芯片及移动机器人 | |
| CN110975290A (zh) | 一种基于模式数据库的路径规划方法及系统 | |
| CN115570566A (zh) | 一种改进apf-rrt算法的机器人避障路径规划方法 | |
| CN113009916A (zh) | 一种基于全局地图探索的路径规划方法、芯片及机器人 | |
| CN110975291B (zh) | 一种路径提取方法及系统 | |
| CN114674336A (zh) | 基于线段的路径规划方法 | |
| CN116009552A (zh) | 一种路径规划方法、装置、设备及存储介质 | |
| CN114564023A (zh) | 一种动态场景下的跳点搜索路径规划方法 | |
| CN105353968B (zh) | 对滑动输入轨迹进行识别的方法 | |
| CN113325834A (zh) | 一种基于图形预处理的改进a*算法的路径规划方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20220318 |