【路径规划】关于改进A星算法、传统A星算法、动态窗口法（DWA）融合路径规划避障

摘要

本文提出了一种基于改进A星算法（A*）与动态窗口法（DWA）融合的路径规划避障方法。传统A星算法以全局路径规划为目标，能生成起始点到目标点的最优路径，但在动态环境中表现有限。而DWA适合局部路径规划，能够实时避障，但缺乏全局视野。通过结合改进的A星算法和DWA，本研究在动态环境下实现了兼顾全局与局部的高效路径规划，并通过实验验证了其优越性。

理论

1. 传统A星算法

A星算法是经典的启发式搜索算法，通过结合实际代价 𝑔(𝑛)和启发式代价 ℎ(𝑛)寻找路径：

传统A星适用于静态环境，优点是生成路径较优；但面对动态障碍物时路径灵活性不足。

2. 动态窗口法（DWA）

DWA是一种实时避障方法，主要通过预测无人机在动态环境中的运动轨迹，根据速度和转向限制选择最优控制：

3. 算法融合

本方法通过以下步骤实现A星与DWA的融合：

(1)全局路径规划（改进A星）

• 在初始阶段采用A星算法生成全局路径，改进措施包括：

• 动态更新启发式函数以适应障碍物变化。

• 引入曲率约束生成平滑路径。

(2)局部路径优化（DWA）

在动态环境中，利用DWA对A星生成的全局路径进行实时调整，避免动态障碍物的影响。

(3)融合策略

使用A星的全局路径作为DWA的参考轨迹，当DWA调整轨迹偏离全局路径时，通过权重控制回归全局路径。

实验结果

实验在动态环境下进行，包含静态障碍物与动态障碍物。对比了改进A星、传统A星和A星-DWA融合方法的表现。

1. 路径规划结果

改进A星生成平滑路径，适合静态环境。 A星-DWA融合方法生成了避开动态障碍的平滑路径（见图）。

2. 性能指标

• 路径长度：融合算法路径长度略高于传统A星，但显著优于单独使用DWA。

• 时间开销：融合算法实时性良好，比单独使用A星效率更高。

• 避障成功率：融合算法在动态环境中的避障成功率达到98%，显著优于传统A星的约60%。