StrategyQuant,apf能效比

版权声明：本文为博主原创博文，未经允许不得转载，若要转载，请说明出处并给出博文链接

据维基百科报道，“人工势场法(Artificial Potential Field，APF )将机器人的外形视为势场的一个点，该势场结合了对目标的吸引力和对障碍物的排斥力。 得到的轨迹作为路径输出。 该方法具有计算量小、易于理解等优点。 但是，可能会陷入势场的局部极小值而找不到路径，也可能找不到最佳路径。 人工势场可以看作与静电势场相似的连续方程，(可以将机器人看作点电荷)或者根据场的运动使用一系列语言规则进行离散化。 ’

为了便于理解，我们寻找了一些人工势场法的理论和公式[1]。

既然知道合力，就把合力分成水平x和y两个分量，通过构造三角函数，得到实际应该前进的方向，通过给予适当的速度，可以顺利地到达目标。

以下，尝试了借用VFH 2D simulation的障碍物进行模拟，也可以进行比较。

关于下图，可以看出虽然还是在开始方向上有一些问题，但最终绕过了障碍到达了目标。 这里，可以看出，最终算出的路径覆盖是12.7，该算法的路径平滑性有点差。 当然，改进的算法一定会优化这个问题。

针对算法的缺点，建立了特殊的实例。 可以看出机器人最终固着，进入了局部最小值。

将以前的静态最终路线图替换为动态显示的路线图，使其更容易理解。

[1] hxsdcc. 《基于 A*与人工势场的四旋翼无人机路径规划算法研究》