路径规划-人工势场法(Artificial Potential Field)
路径规划-人工势场法(Artificial Potential Field)
大家好，又见面了，我是你们的朋友全栈君。
人工势场法是局部路径规划的一种比较常用的方法。这种方法假设机器人在一种虚拟力场下运动。
1. 简介
如图所示，机器人在一个二维环境下运动，图中指出了机器人，障碍和目标之间的相对位置。
这个图比较清晰的说明了人工势场法的作用，物体的初始点在一个较高的“山头”上，要到达的目标点在“山脚”下，这就形成了一种势场，物体在这种势的引导下，避开障碍物，到达目标点。
人工势场包括引力场合斥力场，其中目标点对物体产生引力，引导物体朝向其运动（这一点有点类似于A*算法中的启发函数h）。障碍物对物体产生斥力，避免物体与之发生碰撞。物体在路径上每一点所受的合力等于这一点所有斥力和引力的和。这里的关键是如何构建引力场和斥力场。下面我们分别讨论一下：
1.1. 引力场
常用的引力函数：
这里的ε是尺度因子，表示物体当前状态与目标的距离。引力场有了，那么引力就是引力场对距离的导数（类比物理里面W=FX）：
引力场模型
1.2. 斥力场
公式（3）是传统的斥力场公式。公式中η是斥力尺度因子，代表物体和障碍物之间的距离。
代表每个障碍物的影响半径。换言之，离开一定的距离，障碍物就对物体没有斥力影响。
斥力就是斥力场的梯度
斥力场模型
总的场就是斥力场合引力场的叠加，也就是U=U_att+U_rep,总的力也是对对应的分力的叠加，如下图所示：
2. 存在的问题
- 当物体离目标点比较远时，引力将变的特别大，相对较小的斥力在甚至可以忽略的情况下，物体路径上可能会碰到障碍物
- 当目标点附近有障碍物时，斥力将非常大，引力相对较小，物体很难到达目标点
- 在某个点，引力和斥力刚好大小相等，方向想反，则物体容易陷入局部最优解或震荡
3. 各种改进版本的人工势场法
- 对于可能会碰到障碍物的问题，可以通过修正引力函数来解决，避免由于离目标点太远导致引力过大
和（1）式相比，（5）式增加了范围限定。d*_goal 给定了一个阈值限定了目标和物体之间的距离。对应的梯度也就是引力相应变成：
- 目标点附近有障碍物导致目标不可达的问题，引入一种新的斥力函数
这里在原有斥力场的基础上，加上了目标和物体距离的影响,（n是正数，我看到有篇文献上n=2）。直观上来说，物体靠近目标时，虽然斥力场要增大，但是距离在减少，所以在一定程度上可以起到对斥力场的拖拽作用 相应斥力变成：
所以可以看到这里引力分为两个部分，编程时要格外注意
- 局部最优问题是一个人工势场法的一个大问题，这里可以通过加一个随机扰动，让物体跳出局部最优值。类似于梯度下降法局部最优值的解决方案。
参考文献
路径规划算法初探_森林宝贝的博客-CSDN博客_局部路径规划算法
Artificial Potential Field Approach and its Problems – General Discussions – RobotShop Community
matlab改进人工势场法模拟机器人路径规划，避障_人工势场法改进领航跟随法的控制算法实现-Matlab文档类资源-CSDN下载
http://www.cs.cmu.edu/~motionplanning/lecture/Chap4-Potential-Field_howie.pdf
帮忙分析一下人工势场法的局部路径规划程序 – MATLAB中文论坛
发布者：全栈程序员栈长，转载请注明出处：https://javaforall.cn/151072.html原文链接：https://javaforall.cn
腾讯云开发者
