基于改进A^(*)与改进APF融合算法的动态环境分层协同路径规划方法OA

为兼顾动态环境中移动机器人路径规划的实时避障能力与全局效率,笔者提出一种分层协同路径规划方法。全局层采用改进A^(*)算法,根据局部障碍物密度动态切换启发函数,在狭窄环境下提升路径贴合性,在开放区域加快搜索速度;局部层在传统人工势场(Artificial Potential Field, APF)法基础上引入方向性斥力场(Gradient Deceleration Field, GDF)和动态障碍物自适应势场(Adaptive Dynamic Obstacles Field, ADOF),提升局部避障的智能性与鲁棒性;全局层和局部层通过滚动窗口子目标更新和状态监测实现闭环协同。仿真结果表明:该方法在静态与动态环境中均能生成平滑、安全、高效的路径,显著降低了规划失败率并兼顾计算效率。