基于改进蚁群-动态窗口融合算法的室内服务机器人路径规划OA

针对无法规避动态障碍的全局规划及可能陷入局部最优解的局部规划问题,提出一种应用于室内服务机器人的改进蚁群(ant colony optimization,ACO)-动态窗口(dynamic window approach,DWA)融合的路径规划算法。首先,针对蚁群算法搜索速度较慢的缺陷,对启发因子进行优化,并基于差速机器人运动模型优化搜索邻域,以提高搜索效率;其次,针对蚁群算法形成路径无法保证安全距离等缺陷,引入新的避障策略,对路径进行折线优化操作;最后,融合改进蚁群算法与动态窗口算法,确保机器人实现精确动态避障。实验结果证明,改进后的融合算法相较于蚁群-动态窗口算法,能够更好地保证机器人在有随机障碍物的路段安全通行。