基于改进A*算法的移动机器人安全路径规划

来源 :计算机仿真 | 被引量 : 33次 | 上传用户:yangbin0
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
论文针对传统A~*算法规划所得路径在安全性与平滑性方面的不足进行了改进。首先,根据节点与障碍物的最小距离定义该节点存在的安全威胁代价,并将其引入A~*算法的估价函数,以提高规划路径的安全性。其次,对规划路径进行平滑优化处理,并在平滑操作过程中引入路径评价机制以保证所得平滑路径的代价值不会增大。仿真结果表明,改进后的A~*算法规划所得路径的长度更小,而其安全性和平滑程度都有大幅提高,因而更加符合移动机器人的实际运行需求。
其他文献
如今人们的生活离不开通信,通信是指人与人之间借助某种媒介进行的信息交互。由多个通信系统组成的通信体系为社会的进步奠定了基础,发挥了极大的作用,本文对通信工程及其发
水下导航一直是导航领域重要的研究内容,重力匹配导航凭借具有自主、高隐蔽性等优点,在导航领域拥有良好的应用前景。该文详细分析并比较了目前常用的海洋重力插值计算方法,
对交通车辆车牌的运行图像字符的自动监测,能够有效解决摄像头拍摄车牌图像质量低、模糊等问题。对交通车辆车牌图像字符的识别监测,需要对车牌运行图像进行灰度化处理,通过寻找交通车辆车牌的优割字符,完成车牌图像字符的自动监测,传统方法对车牌间隔特征进行特征筛选,剔除交通车辆车牌运行图像复杂边框,但忽略了寻找交通车辆车牌的优割字符,导致识别监测精度偏低。提出基于线状中值滤波的交通车辆车牌运行图像字符自动分割
对电力系统变压器故障信号进行有效诊断,可以发现变压器潜在故障并及时检修,提高电力系统的安全性。变压器发生故障时,会产生大量的无标签故障样本,但传统方法只能通过少量有标签样本进行诊断因而导致诊断准确率偏低,如何有效利用无标签样本对变压器状态进行更准确的诊断是变压器故障信号诊断的核心问题。提出了一种基于深度学习混合网络的变压器故障诊断方法。深度学习混合网络是由降噪自动编码器和高斯伯努利受限玻尔兹曼机堆