针对传统路径规划方法存在着过多依赖环境先验信息、算法路径规划实时性不强、难以适应复杂障碍环境等方面的不足, 提出基于电势能理论的改进动态窗口法(DWA), 扩展轨迹评价子函数空间。首先,改进设计预测轨迹选择函数来引导跳出局部最优, 脱离凹型障碍环境; 同时,设计速度评价函数权重动态调整机制, 增强穿越密集障碍区域能力; 最后,增加设计目标导航函数, 提升算法趋向目标点的引导能力。仿真实验表明, 改进算法可以有效克服传统DWA算法易陷入局部最优和无法有效应对复杂障碍环境等问题,更好地提升算法的路径规划能力和实时性。

为了提高无人船局部动态避障的规范性、安全性和稳定性, 提出基于漂角估计的无人船局部动态避障方法。首先, 根据国际海上避碰规则(COLREGS)选取动态窗口法(DWA)的速度空间; 其次, 根据预测的障碍物运动状态选择动态窗口法中无人船的无碰预测轨迹; 最后, 考虑海洋扰动, 利用横向位置误差估计漂角, 并在无人船的航向上进行补偿。仿真实验结果验证了所提方法的有效性。

为解决移动机器人路径规划难题，设计了融合改进A*算法和动态窗口法的全局动态路径规划方法。首先，基于传统A*算法结合JPS算法对子节点进行扩展跳跃，提高路径规划效率; 其次，结合Floyd算法对所规划路径进行平滑优化; 最后，融合动态窗口法使A*算法可进行全局动态路径规划。基于Matlab平台将全局动态路径规划算法在8种规格栅格地图中进行仿真实验。分析结果得知，融合算法在效率和平滑性上得到极大改善，且可进行动态避障，融合改进后的全局动态路径规划算法具有明显优秀的路径规划能力。

针对相互速度障碍法(RVO)避障速度理论上可选而实际应用中不可达的问题, 综合考虑相互速度障碍法和动态窗口法(DWA)的优缺点, 将两种算法进行融合, 对可选避障速度进行运动学约束。进一步, 针对复杂环境下多移动机器人相遇过程中膨胀半径可能导致移动机器人避障失败的问题, 又提出了膨胀半径可变的自适应相互速度障碍法(ARVO)。该方法可以通过判断周边环境的复杂度对膨胀半径进行调整, 既保障了移动机器人与周边障碍物的安全距离, 又适当扩大了可选速度范围。最后, 通过机器人操作系统(ROS)中的Gazebo仿真平台验证了算法的良好性能。

针对在未知环境和未知目标位置情况下的目标搜索与地图导航问题, 提出了一种双机器人协同探索方法。首先, 第一台移动机器人利用摸墙算法进行目标搜索, 分别运用改进的RBPF-SLAM算法和Hector-SLAM算法构建未知环境的地图, 比较两种算法建图花费的时间和获得的结果, 选择其中更适合搜救任务的算法。接着, 第二台机器人读取来自第一台机器人的地图信息, 运用A*算法规划到达目标点的最优路径, 并沿着规划出的路径移动至目标点。同时, 针对实际中随时可能发生变化的受灾区域, 采用动态窗口法进行动态的局部路径规划。最后, 对该种方法进行了仿真实验, 实验结果验证了该方法的实用性和有效性。