针对传统蚁群算法搜索时间长、易陷入局部最优且动态规划能力弱等缺陷,提出一种融合改进蚁群和动态窗口算法(DWA,Dynamic Window Approach)的路径规划方法,解决移动机器人全局路径优化以及局部动态避障路径规划问题。在分析传统蚁群算法路径规划原理及优缺点的基础上,通过引入初始栅格转移规则、改变信息素更新方式、删除冗余节点、圆切障碍顶点等方法,提高蚁群算法的收敛速度、规划路径的平滑度以及安全可靠度;进一步在改进蚁群算法中引入DWA进行局部路径规划,实现机器人的动态避障。对比仿真结果表明,所提改进算法在路径长度、迭代次数、收敛时间以及路径平滑度、安全可靠度等性能指标上较传统算法均有所提高。

在移动机器人的相关技术中,局部路径规划技术是一项关键技术。对于自主配送机器人在配送某些易碎物品或是对运动较为敏感的物品时,为了保证被运输物品的安全性,在路径规划中还要考虑到机器人车体的离心力大小。动态窗口算法是局部路径规划的一种常用算法,针对经典动态窗口算法不能兼顾到机器人在运动过程中的离心力大小,提出了改进的动态窗口算法。在经典动态窗口算法的目标函数中加入离心力的评价项,防止机器人在转向过程中离心力过大导致车体运行不稳定。实验表明:当目标函数中离心力评价项占比更重时,机器人运行的转向半径更大,多数情况下沿直线运行,且在整个导航过程中离心力的最大值更小。