针对传统人工势场法在多障碍物复杂环境的全局路径规划中出现的目标不可达、易陷入陷阱区域以及局部极小点问题,提出一种简化障碍物预测碰撞人工势场法(simplified obstacles and predict collision of artificial potential field meth...针对传统人工势场法在多障碍物复杂环境的全局路径规划中出现的目标不可达、易陷入陷阱区域以及局部极小点问题,提出一种简化障碍物预测碰撞人工势场法(simplified obstacles and predict collision of artificial potential field method,SOPC-APF),算法引入预测碰撞思想,在机器人未进入陷阱区域或者极小点问题前做出决策;对于多障碍物的斥力与目标点的引力产生的合力使机器人陷入震荡,提出简化障碍物,即简化为影响范围内目标点一侧的受限障碍物;针对目标不可达问题,在碰撞预测基础上,设定虚拟目标点,经改进的斥力函数引导机器人快速生成一条平滑、平稳、无碰撞的路径。通过与传统算法、改进APF算法以及改进蚁群算法的仿真对比实验表明,SOPC-APF有效解决了人工势场法不适用于多障碍物复杂环境的问题,以及传统算法容易陷入陷阱区域和局部极小点问题。展开更多
文摘针对传统人工势场法在多障碍物复杂环境的全局路径规划中出现的目标不可达、易陷入陷阱区域以及局部极小点问题,提出一种简化障碍物预测碰撞人工势场法(simplified obstacles and predict collision of artificial potential field method,SOPC-APF),算法引入预测碰撞思想,在机器人未进入陷阱区域或者极小点问题前做出决策;对于多障碍物的斥力与目标点的引力产生的合力使机器人陷入震荡,提出简化障碍物,即简化为影响范围内目标点一侧的受限障碍物;针对目标不可达问题,在碰撞预测基础上,设定虚拟目标点,经改进的斥力函数引导机器人快速生成一条平滑、平稳、无碰撞的路径。通过与传统算法、改进APF算法以及改进蚁群算法的仿真对比实验表明,SOPC-APF有效解决了人工势场法不适用于多障碍物复杂环境的问题,以及传统算法容易陷入陷阱区域和局部极小点问题。
