人工势场法matlab讲解,传统人工势场法(matlab)

人工势场法matlab讲解,传统人工势场法(matlab)【实例简介】人工势场法路径规划是由Khatib提出的一种虚拟力法(OussamaKhatib,Real-TimeobstacleAvoidanceforManipulatorsandMobileRobots.ProcofThe1994IEEE.)。它的基本思想是将机器人在周围环境中的运动,设计成一种抽象的人造引力场中的运动,目标点对移动机器人产生“引力”,障碍物对移动机器…

大家好,又见面了,我是你们的朋友全栈君。

【实例简介】

人工势场法路径规划是由Khatib提出的一种虚拟力法(Oussama Khatib,Real-Time obstacle Avoidance for Manipulators and Mobile Robots. Proc of The 1994 IEEE.)。它的基本思想是将机器人在周围环境中的运动,设计成一种抽象的人造引力场中的运动,目标点对移动机器人产生“引力”,障碍物对移动机器人产生“斥力”,最后通过求合力来控制移动机器人的运动。应用势场法规划出来的路径一般是比较平滑并且安全,但是这种方法存在局部最优点问题。

【实例截图】

54a1affeda53a568f7ecdca634337aa6.png

【核心代码】

%初始化车的参数

Xo=[0 0];%起点位置

k=15;%计算引力需要的增益系数

K=0;%初始化

m=5;%计算斥力的增益系数,都是自己设定的。

Po=2.5;%障碍影响距离,当障碍和车的距离大于这个距离时,斥力为0,即不受该障碍的影响。也是自己设定。

n=7;%障碍个数

a=0.5;

l=0.2;%步长

J=200;%循环迭代次数

%如果不能实现预期目标,可能也与初始的增益系数,Po设置的不合适有关。

%end

%给出障碍和目标信息

Xsum=[10 10;1 1.2;3 2.5;4 4.5;3 6;6 2;5.5 5.5;8 8.5];%这个向量是(n 1)*2维,其中[10 10]是目标位置,剩下的都是障碍的位置。

Xj=Xo;%j=1循环初始,将车的起始坐标赋给Xj

%***************初始化结束,开始主体循环******************

for j=1:J %循环开始

Goal(j,1)=Xj(1); %Goal是保存车走过的每个点的坐标。刚开始先将起点放进该向量。

Goal(j,2)=Xj(2);

%调用计算角度模块

Theta=compute_angle(Xj,Xsum,n);%Theta是计算出来的车和障碍,和目标之间的与X轴之间的夹角,统一规定角度为逆时针方向,用这个模块可以计算出来。

%调用计算引力模块

Angle=Theta(1);%Theta(1)是车和目标之间的角度,目标对车是引力。

angle_at=Theta(1);%为了后续计算斥力在引力方向的分量赋值给angle_at

[Fatx,Faty]=compute_Attract(Xj,Xsum,k,Angle,0,Po,n); %计算出目标对车的引力在x,y方向的两个分量值。

for i=1:n

angle_re(i)=Theta(i 1);%计算斥力用的角度,是个向量,因为有n个障碍,就有n个角度。

end

%调用计算斥力模块

[Frerxx,Freryy,Fataxx,Fatayy]=compute_repulsion(Xj,Xsum,m,angle_at,angle_re,n,Po,a);%计算出斥力在x,y方向的分量数组。

%计算合力和方向,这有问题,应该是数,每个j循环的时候合力的大小应该是一个唯一的数,不是数组。应该把斥力的所有分量相加,引力所有分量相加。

Fsumyj=Faty Freryy Fatayy;%y方向的合力

Fsumxj=Fatx Frerxx Fataxx;%x方向的合力

Position_angle(j)=atan(Fsumyj/Fsumxj);%合力与x轴方向的夹角向量

%计算车的下一步位置

Xnext(1)=Xj(1) l*cos(Position_angle(j));

Xnext(2)=Xj(2) l*sin(Position_angle(j));

%保存车的每一个位置在向量中

Xj=Xnext;

%判断

if ((Xj(1)-Xsum(1,1))>0)&((Xj(2)-Xsum(1,2))>0) %是应该完全相等的时候算作到达,还是只是接近就可以?现在按完全相等的时候编程。

K=j;%记录迭代到多少次,到达目标。

break;

%记录此时的j值

end%如果不符合if的条件,重新返回循环,继续执行。

end%大循环结束

K=j;

Goal(K,1)=Xsum(1,1);%把路径向量的最后一个点赋值为目标

Goal(K,2)=Xsum(1,2);

%***********************************画出障碍,起点,目标,路径点*************************

%画出路径

X=Goal(:,1);

Y=Goal(:,2);

%路径向量Goal是二维数组,X,Y分别是数组的x,y元素的集合,是两个一维数组。

x=[1 3 4 3 6 5.5 8];%障碍的x坐标

y=[1.2 2.5 4.5 6 2 5.5 8.5];

plot(x,y,’o’,10,10,’v’,0,0,’ms’,X,Y,’.r’);

function Y=compute_angle(X,Xsum,n)%Y是引力,斥力与x轴的角度向量,X是起点坐标,Xsum是目标和障碍的坐标向量,是(n 1)*2矩阵

for i=1:n 1%n是障碍数目

deltaX(i)=Xsum(i,1)-X(1);

deltaY(i)=Xsum(i,2)-X(2);

r(i)=sqrt(deltaX(i)^2 deltaY(i)^2);

if deltaX(i)>0

theta=acos(deltaX(i)/r(i));

else

theta=pi-acos(deltaX(i)/r(i));

end

if i==1%表示是目标

angle=theta;

else

angle=theta;

end

Y(i)=angle;%保存每个角度在Y向量里面,第一个元素是与目标的角度,后面都是与障碍的角度

end

end

function [Yrerxx,Yreryy,Yataxx,Yatayy]=compute_repulsion(X,Xsum,m,angle_at,angle_re,n,Po,a)%输入参数为当前坐标,Xsum是目标和障碍的坐标向量,增益常数,障碍,目标方向的角度

Rat=(X(1)-Xsum(1,1))^2 (X(2)-Xsum(1,2))^2;%路径点和目标的距离平方

rat=sqrt(Rat);%路径点和目标的距离

for i=1:n

Rrei(i)=(X(1)-Xsum(i 1,1))^2 (X(2)-Xsum(i 1,2))^2;%路径点和障碍的距离平方

rre(i)=sqrt(Rrei(i));%路径点和障碍的距离保存在数组rrei中

R0=(Xsum(1,1)-Xsum(i 1,1))^2 (Xsum(1,2)-Xsum(i 1,2))^2;

r0=sqrt(R0);

if rre(i)>Po%如果每个障碍和路径的距离大于障碍影响距离,斥力令为0

Yrerx(i)=0;

Yrery(i)=0;

Yatax(i)=0;

Yatay(i)=0;

else

%if r0

if rre(i)

Yrer(i)=m*(1/rre(i)-1/Po)*(1/Rrei(i))*(rat^a);%分解的Fre1向量

Yata(i)=a*m*((1/rre(i)-1/Po)^2)*(rat^(1-a))/2;%分解的Fre2向量

Yrerx(i)=(1 0.1)*Yrer(i)*cos(angle_re(i));%angle_re(i)=Y(i 1)

Yrery(i)=-(1-0.1)*Yrer(i)*sin(angle_re(i));

Yatax(i)=Yata(i)*cos(angle_at);%angle_at=Y(1)

Yatay(i)=Yata(i)*sin(angle_at);

else

Yrer(i)=m*(1/rre(i)-1/Po)*1/Rrei(i)*Rat;%分解的Fre1向量

Yata(i)=m*((1/rre(i)-1/Po)^2)*rat;%分解的Fre2向量

Yrerx(i)=Yrer(i)*cos(angle_re(i));%angle_re(i)=Y(i 1)

Yrery(i)=Yrer(i)*sin(angle_re(i));

Yatax(i)=Yata(i)*cos(angle_at);%angle_at=Y(1)

Yatay(i)=Yata(i)*sin(angle_at);

end

end%判断距离是否在障碍影响范围内

end

Yrerxx=sum(Yrerx);%叠加斥力的分量

Yreryy=sum(Yrery);

Yataxx=sum(Yatax);

Yatayy=sum(Yatay);

end

版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 举报,一经查实,本站将立刻删除。

发布者:全栈程序员-用户IM,转载请注明出处:https://javaforall.cn/148970.html原文链接:https://javaforall.cn

【正版授权,激活自己账号】: Jetbrains全家桶Ide使用,1年售后保障,每天仅需1毛

【官方授权 正版激活】: 官方授权 正版激活 支持Jetbrains家族下所有IDE 使用个人JB账号...

(0)


相关推荐

  • c语言字符数组拼接

    c语言字符数组拼接废话不多说,直接上代码#include<stdio.h>#include<string.h>voidmystrcat(chara[],charb[]){inti,j;//计数a[]个数ifor(i=0;i<strlen(a);i++);//这地方比较繁琐,可不写,直接i=strlen…

  • 软件设计和开发准备

    软件设计和开发准备1.团队序号:1撰写人:施贤开发软件名称飞机大战产品代码仓库: https://gitee.com/tanglibo/plane_wars软件测试工程师商守义:https://git

  • 关于EnterCriticalSection()(转)「建议收藏」

    关于EnterCriticalSection()(转)「建议收藏」好文章的链接:https://blog.csdn.net/Pro2015/article/details/88786377QF自己的总结:之前一直都会看到EnterCriticalSection

  • 汇编语言——移位指令[通俗易懂]

    基本概念移位操作指令:移位操作指令是一组经常使用的指令,属于汇编语言逻辑指令中的一部分,它包括移位指令(含算术移位指令、逻辑移位指令),循环移位指令(含带进位的循环移位指令),双精度移位指令三大类。其功能为将目的操作数的所有位按操作符规定的方式移动1位或按寄存器CL规定的次数(0~255)移动,结果送入目的地址。目的操作数是8位(或16位)的寄存器数据或存储器数据。基本格式格式为…

  • 让旧Mac免费获得 iWork 套件的秘籍「建议收藏」

    让旧Mac免费获得 iWork 套件的秘籍「建议收藏」让旧Mac免费获得iWork套件的秘籍2013-10-2409:13iapps.im只要购买了苹果新设备就可以免费获得iWork和iLife套件。但是我们拥有旧Mac的人呢?昨夜大家是不是一夜无眠呀,数数手头有多少钱,银行卡可以刷多少,才能抱回几个心仪的设备呢!苹果对新Mac的政策也如当时对iPhone5s一样,只要购买了新设备就可以免费获得iW

    2022年10月31日
  • PyTorch学习之六个学习率调整策略

    PyTorch学习之六个学习率调整策略PyTorch学习率调整策略通过torch.optim.lr_scheduler接口实现。PyTorch提供的学习率调整策略分为三大类,分别是有序调整:等间隔调整(Step),按需调整学习率(MultiStep),指数衰减调整(Exponential)和余弦退火CosineAnnealing。自适应调整:自适应调整学习率ReduceLROnPlateau。自定义调整:自定义调整学习率…

发表回复

您的电子邮箱地址不会被公开。

关注全栈程序员社区公众号