文章目录
*
– 一、算法概述
– 二、算法原理
–
+ 1、运动学模型
+ 2、速度采样
+ 3、目标函数
– 三、应用场景
– 四、ros功能包
一、算法概述
DWA算法（dynamic window approach）是移动机器人在运动模型下推算（v,w）对应的轨迹，确定速度采样空间或者说是动态窗口（三种限制）；在速度空间（v,w）中采样多组速度，并模拟这些速度在一定时间内的运动轨迹，通过一个评价函数对这些轨迹打分，选取最优的轨迹来驱动机器人运动。
二、算法原理
1、运动学模型
（1）非全向运动：只能前进和旋转（相邻时刻码盘采样，近似直线v*detaT）
(2) 全向运动：考虑x方向运动、y方向运动和旋转。将y轴移动距离投影世界坐标系上。
; 2、速度采样
（1）自身 最大速度最小速度的限制
（2）受电机性能的影响:由于电机力矩有限，存在 最大的加減速限制, 移动机器人轨迹前向模拟的周期内,存在一个动态窗口，该窗口内是机器人能够实际达到的速度（ps: 为啥叫动态窗口）
（3）安全的考虑：为了能在碰到障碍物前停下, 在最大减速度条件下，速度有一个范围。
3、目标函数
一般考虑三种约束，可根据实际进行设计复杂的目标函数：
目标函数 = w1 方位角函数（轨迹终点朝向与目标点之间的角度差距） + w2 障碍物函数（轨迹终点位置时与地图上最近障碍物的距离） + w3* 线速度函数（鼓励快速到达终点）
三、应用场景
计算复杂度低： 只考虑安全的轨迹，每次采样的时间较短，可以实时避障，但避障效果一般
应用模型： 适用于两轮差分和全向移动模型、不能用在阿克曼模型。
缺点：
（1）前瞻性不足： 只模拟并评价了下一步，如在机器人前段遇见”C”字形障碍时，不能很好的避障
（2）非全局最优路径： 每次都选择下一步的最佳路径，而非全局最优路径
四、ros功能包
机器人获得目的地信息后，首先全局路径规划规划出一条大致可行的路线，然后局部路径规划器根据这条路线及costmap的信息规划出机器人在局部时做出具体行动策略，ROS中主要是使用了DWA算法。在ROS中每当move_base处于规划状态就调用DWA算法计算出一条最佳的速度指令，发送给机器人运动底盘执行。
ros导航功能包，https://www.guyuehome.com/5500
参考论文：
《The Dynamic Window Approach To Collision Avoidance》
参考链接：
原理： https://zhuanlan.zhihu.com/p/519958218
原理： https://blog.csdn.net/peakzuo/article/details/86487923
代码： https://blog.csdn.net/weixin_37835423/article/details/89683302
内容来源于网络和参考链接整理，侵权联系删。
欢迎关注！
Original: https://blog.csdn.net/qq_41667348/article/details/125858494
Author: 执着且专注
Title: 局部规划算法：DWA算法原理
原创文章受到原创版权保护。转载请注明出处：https://www.johngo689.com/787104/
转载文章受原作者版权保护。转载请注明原作者出处！