一种动态狭窄环境中轮式机器人路径跟踪方法

本发明提供一种动态狭窄环境中轮式机器人路径跟踪方法。在存在动态密集障碍物的狭窄环境中，由于严格的安全约束，现有方法难以为轮式机器人找到安全可行路径。本发明设计了一种基于模型预测控制(MPC)和动态控制屏障函数(DCBF)的改进局部路径跟踪算法。该算法将松弛变量(SV)与DCBF相结合，将严格约束转化为软约束。为了调节SV的值，在MPC的成本函数中加入了松弛惩罚项来对松弛因子大小进行调整。在动态障碍物稀疏区域，算法选择较小的松弛因子来保证系统的安全性；在动态障碍物密集区域，算法适当增大松弛因子来保证系统找到可行解。该方法实现了动态障碍物密集区域下，轮式机器人的安全路径跟踪问题，提升了在动态障碍物密集区域的导航能力。