基于改进启发式RRT的AUV路径规划

针对复杂水下环境中水下自主航行器(autonomous underwater vehicle,AUV)路径规划问题,提出一种改进启发式快速随机扩展树(rapidly-exploring random trees,RRT)的路径规划算法。针对路径点采样过程中缺乏目标导向性的问题,采用目标点概率偏置采样策略与目标偏向扩展策略,可使目标节点在随机采样时成为采样点。在路径点扩展过程中,使非目标采样点的扩展结点位置偏向于目标点的方向,从而增强算法在随机采样与扩展过程中的目标搜索能力。为解决水下路径规划过程中存在过多无效搜索空间的问题,在随机采样过程中引入启发式采样策略,构建包含所有初始路径的采样空间子集,减小采样空间范围,从而提高算法的空间搜索效率。针对AUV在水下环境中抗洋流扰动能力不足的问题,采用速度矢量合成法,使AUV速度矢量与洋流速度矢量合成后指向期望路径的方向,从而抵消水流的影响。在山峰地形中叠加多个Lamb涡流模拟水下流场环境,进行多次仿真实验。实验结果表明:改进启发式RRT算法解决了采样过程中随机性问题,显著缩小了搜索空间,兼顾了路径的安全性与平滑性,并使AUV具有良好的抗洋流扰动能力。

基于改进APF-QRRT^(*)策略的移动机器人路径规划

针对Q-RRT^(*)算法在路径规划过程中无法兼顾可达性和安全性的问题,提出一种改进APF-QRRT^(*)(IAPF-QRRT^(*))路径规划策略。IAPF-QRRT^(*)策略通过Q-RRT^(*)算法获得一组连接起点到终点的离散关键路径点,较传统的快速搜索随机树(RRT^(*))算法具备更好的初始解和更快的收敛速度。改进传统人工势场(APF)方法获得一种新的无势正交向量场,在一定条件下使整体排斥向量场与吸引向量场正交,并将其作用于关键路径点,从而提高路径的安全性。将IAPF-QRRT^(*)策略与其他算法比较,通过数值模拟实验证明了所提策略的有效性。

应用改进APF-Informed-RRT*算法的配送无人机航迹规划

为加快末端物流配送的效率,提出一种配送无人机的航迹规划问题。针对传统快速搜索随机树(rapidlysearch random tree,RRT)算法在航迹规划中存在的盲目性和路径不平滑等问题,将人工势场法(artificial potential field,APF)与Informed-RRT*算法融合,提出一种自适应步长增长策略的改进APF-Informed-RRT*算法。首先在选择新节点时,考虑到障碍物和目标点的影响,提出一种自适应步长增长策略来解决采样的盲目性;其次采用三次B样条对拐点处进行平滑处理;最后分别采用RRT*算法、Informed-RRT*算法和改进APF-Informed-RRT*算法在两种环境中进行仿真实验。结果表明,改进APF-Informed-RRT*算法相较于RRT*算法和Informed-RRT*算法,在运行时间、迭代次数以及路径平滑上都得到提升。

改进RRT-Connect算法的机器人路径规划研究

针对标准RRT-Connect算法在路径规划中存在的路径冗长、转折较多和区域通过性欠缺问题,提出了一种新的改进RRT-Connect算法(TRRT-Connect)。采用改进RRT算法搜索并添加一个中间根节点,实现同时扩展四棵随机树,加快算法收敛速度。在随机点的选取上使用目标偏置策略,在新节点的生成上叠加引力场,同时融合贪婪搜索策略。结合新的动态步长调节方法,通过识别扫描区域内障碍物的个数动态选择合适的步长。对生成的初始路径使用双向剪枝优化方法,加快剪枝效率,剔除路径上的冗余节点。对路径转折处进行光滑处理,减少路径转折。在三种不同环境地图中进行仿真对比实验,结果表明,TRRT-Connect算法与标准RRT-Connect算法相比较,在路径长度、迭代次数和节点数上有较大改善,在密集障碍物区域的通过性较好,路径更加光滑且无转折,证明了该算法的有效性。同时将TRRT-Connect算法应用于现场实例仿真中,使得移动机器人的运输路径长度相较于传统固定路径降低了15.4%,且路径光滑,进一步验证了该算法的实用性。

基于改进RRT算法与三维碰撞检测的冗余机械臂高效路径规划

为了解决冗余机械臂在复杂环境中的路径规划和避障问题,提出一种基于改进快速扩展随机树(Rapidly Exploring Random Tree,RRT)算法与三维碰撞检测的高效路径规划方法。利用改进算法生成无碰撞的平滑路径,对机器人姿态进行求解,并通过碰撞检测验证路径的可行性。改进的RRT算法采用基于概率的控制机制来优化随机点生成策略,结合路径平滑算法减少路径节点,同时引入三维碰撞检测技术以确保路径的有效性和安全性。试验结果表明:该方法在二维和三维复杂场景中均能显著提升路径规划效率,成功率和路径平滑性明显优于传统算法。研究成果可为冗余机械臂在复杂环境中的路径规划提供高效、可靠的解决方案,有助于进一步提升其在实际应用中的稳定性和适用性。

改进Informed-RRT^(*)算法的移动机器人路径规划

针对Informed-RRT^(*)算法初始路径形成缓慢、失败率高及路径质量差的问题,提出基于人工势场法的选点策略。首先,筛选出优质采样点,同时,引入双向直连的贪心策略和动态步长策略,快速获得初始路径并尽快进入遍历寻优阶段;其次,通过新的采样策略及评价函数,保证规划路径更优;最后,对路径优化处理,所得路径更适合移动机器人的行驶。仿真实验结果表明,改进算法相比于Informed-RRT^(*)算法性能更优,其中,改进算法在不同环境中的成功率均为100%,同时也证明了在限定采样次数下改进算法的收敛速度、路径质量均优于原算法。

PSO-RRT机器人可行路径搜索融合算法

针对传统RRT算法在静态障碍环境下进行可行路径搜索时存在采样率低、搜索时间长等问题,提出了PSO-RRT算法。PSO-RRT算法是一种将PSO(粒子群)算法融合RRT(快速扩展随机树)算法中的机器人可行路径搜索算法。该算法主要引入一个采样拒绝率参数改变随机采样方式,使用PSO算法来优化RRT算法中的随机采样拒绝率、扩展步长等参数,以减小RRT算法的平均采样点数和搜索时间,提高搜索效率。在3种不同的障碍环境下进行仿真实验,验证了PSO-RRT融合算法的有效性,其算法的平均采样点数、平均搜索时长、平均路径长度等评价指标较优于对比算法。

基于多次采样启发式策略的改进RRT路径规划算法

在路径规划领域,快速探索随机树(RRT)算法是机械臂解决复杂环境中的路径规划问题的重要工具,然而其纯随机的采样环节导致大量的无效或低效尝试,浪费了计算资源;为解决此问题,提出一种基于多次采样启发式策略的改进RRT算法(MH-RRT);利用启发式函数评估多个采样点的代价值,选择代价值最低的采样点,引导路径树更快地向目标点生长;将启发式函数策略类似地有效改进了RRT*算法和双向RRT*算法;深入探讨不同参数对改进算法性能的影响,并确定最优参数组合;实验结果表明,改进算法在路径搜索时间、路径长度以及采样点数量等方面均能取得显著提升,提高了路径规划的有效性。

基于改进Informed-RRT^(*)的机械臂抓取运动规划

为提高工业机械臂对目标物体抓取及对障碍物躲避的效率和成功率,提出一种基于改进抓取信息引导的快速随机树星(GI-RRT^(*))的机械臂路径规划算法.首先,预先设定最大迭代次数和自适应函数,缩短机械臂运动轨迹生成时间,增强采样导向性和质量;其次,基于椭圆形子集直接采样,对采样点位置进行约束,提高采样效率;最后,采用贪心算法删除机械臂运动轨迹的冗余点,并使用三次B样条曲线平滑约束机械臂运动轨迹,提高机械臂运动轨迹的柔顺性.利用生成残差卷积神经网络模型预测,输入深度相机采集的彩色图像和深度图像,输出视场中物体的适当映射抓取位姿.为验证机械臂的抓取效果,选择三指气动柔性夹爪,设计柔性抓取模块,并结合法奥(FR3)协作机械臂构建自主抓取系统,进行二维地图仿真和机械臂样机实验.结果表明,与传统的信息引导的快速随机树星算法相比,GI-RRT^(*)算法运动轨迹长度缩短10.11%,轨迹生成时间缩短62.68%.同时,算法具有较强的鲁棒性.机械臂能独立地避开障碍物、抓取目标物体,满足其自主抓取的需求.

基于RSS_GN RRT算法的狭长空间路径规划

针对RRT算法在狭长空间中存在的收敛速度慢及规划路径不平滑的问题,提出了一种RSS_GN RRT算法。为了提升算法的收敛速度,提出了引导节点导向策略与分区域采样策略,极大地减少了算法对无效区域的搜索;其次,算法引入了采样角度约束策略来提高规划路径的质量,并采用父节点拓展选择的方法有效解决了由角度约束引起的迭代次数增加的问题。此外,算法可根据感知信息进行地图地动态重构并规划避障路径,提高了算法在低速动态环境中的适应性。仿真结果显示,在狭长通道环境中,RSS_GN RRT算法在规划路径的耗时上比RRT、Goal_bias RRT、角度约束下的RRT、Informed RRT*及DR-RRT算法分别减少了77.3%,51.9%,84.7%,98.8%和60.3%。在迭代次数上,相比于上述算法,分别减少了95.9%,92%,98.3%,98.3%和89.5%。路径的平均曲率也分别降低了94.1%,93.2%,88.7%,91%和92.9%。仿真结果证明了RSS_GN RRT算法在提升规划速度和改善路径质量方面具有显著优势。同时,本文采用了阿克曼模型的小车实测了算法的局部避障能力。经测试,小车可对行驶途中出现的障碍物进行合理避让。

改进RRT算法的采摘机械臂路径规划

针对采用传统的快速随机扩展树(RRT)算法的采摘机械臂在果园工作环境中搜索路径时间长,最终路径不平滑、拐点多等问题,提出了一种改进的RRT避障算法。改进的算法采用高斯采样策略,减少了采样的随机性,避免产生更多不必要的随机树,增加规划的导向性;再添加A*代价函数去除路径的冗余点,最后使用贪婪算法简化路径,减少拐点,让机械臂可以快速、准确、平稳地沿着最佳路径运动到目标点。仿真表明,改进后的算法有效地减少了路径规划的时间,缩短了路径长度,具有良好的可行性和有效性。

目标区域引导的RRT^(*)机械臂路径规划算法

针对传统RRT^(*)算法在机械臂路径规划的过程中存在规划效率低、路径质量不佳、机械臂位姿不当等问题,提出一种目标区域引导的RRT^(*)机械臂路径规划算法(TA-RRT^(*))。在传统RRT^(*)算法基础上,引入目标偏向策略并使用球形子集约束采样,缩小采样范围并使新节点朝向目标点扩展,增强目标导向性;对新节点采用直连策略,让算法可以更快地收敛从而提升路径生成速度。对初始规划路径去除冗余点并使用三次B样条曲线转换成平滑路径,优化了路径质量。对机械臂进行位姿约束,通过机械臂逆运动学判断机械臂连杆位姿可达性,并利用包络盒模型判断机械臂是否与障碍物碰撞。实验结果表明,在二维以及三维场景下,TA-RRT^(*)算法在采样次数、规划时间、路径长度以及平滑度等方面的性能均优于RRT^(*)算法,验证了该方法的正确性及可行性。机械臂仿真实验以及在真实环境下的测试结果显示,加入位姿约束后机械臂运行规划好的轨迹时,机械臂各个关节在运行规划路径的过程中并未与障碍物发生碰撞且具有良好的稳定性。

改进RRT-Connect与DWA算法的巡检机器人路径规划研究

针对传统RRT-Connect算法在密集复杂环境中路径规划效率低、动态避障效果差等问题,提出一种改进RRT-Connect与DWA融合算法。该算法通过改进采样策略、动态步长优化和碰撞检测引导随机树生长;在随机树中采用贪心策略和角度约束优化路径。基于巡检机器人建立运动学模型,通过速度采样空间生成轨迹簇;建立模糊逻辑系统自适应调整DWA算法评价函数的权重系数,将全局最优路径点融入DWA算法中实现全局最优路径和实时避障。仿真结果表明,在油气站场密集复杂环境中,改进RRT-Connect算法较传统算法路径缩短约27.09%,平滑度提高约84.6%,碰撞距离提高约18.75%;改进融合算法路径减少约2.97%,平滑度提高约78.8%,碰撞距离提高约30.6%,验证了提出算法的有效性。

基于改进RRT-Connect算法的全局路径规划

针对RRT-Connect算法在复杂环境内的路径规划中存在探索性弱、收敛速度慢、冗余节点多、搜索路径较长等问题,提出一种改进的RRT-Connect算法。通过引入高质量随机点和动态步长的方法,提高了生成随机树的质量并减少了冗余节点数量;采用正向寻优和逆向贪婪的方式,改善了搜索路径较长的问题。实验结果表明,改进RRT-Connect算法平均路径规划时间缩短26.41%,平均路径规划长度缩短19.05%,平均路径规划节点个数减少41.91%,证明了改进RRT-Connect算法相比于原算法规划效率更高,规划时间更少,规划路径质量更优。

基于改进RRT^(*)算法的无人艇路径规划快速求解算法

针对快速扩展随机树(RRT)算法在无人艇路径规划工作中目的性较弱的问题,提出一种改进的无人艇路径规划快速求解算法。对人工势场法进行改进,额外添加4个方向的受力分析,综合计算无人艇所受合力;重新定义转向角度的计算方法,避免其进入局部最优陷阱,使其可以顺利抵达目标点,得到一条初始路径;利用该初始路径来设定快速扩展随机树算法的随机点采样区域,通过降低随机采样点生成在无价值区域的概率,以提高算法的目的性和时效性,得到二次规划路径;对二次规划路径进行冗余点去除操作,减少路径节点的同时可以进一步降低路径代价,得到最终的规划路径。实验结果表明:改进算法在取得相近代价的路径时,运行时间最多降低了84.14%,采样点数量最多减少了70.09%,算法质量更好,运行效率更高。

基于二次转角约束的改进RRT路径规划算法研究

针对快速随机搜索树(RRT)算法存在节点扩展冗余、生成路径不满足车辆转角条件等问题,提出一种改进的二次转角约束RRT算法。首先,在传统RRT算法基础上对采样空间进行裁剪,引入目标导向策略减少采样时间;然后采用车辆膨胀处理和直线方法检测障碍物,并引入第一次转角约束得到粗解路径;接着对粗解路径建立二次转角约束并进行优化处理,获取优化路径后拟合,并进行仿真验证。结果表明,相比于引入目标导向策略的RRT算法,所提出的算法路径最大曲率降低了34.33%,平均曲率降低47.36%,扩展节点数降低47.62%,路径距离降低7.76%,规划时间缩短14.98%。

基于RRT算法的远距离自动泊车路径规划及仿真

泊车路径规划是自动泊车技术的重要组成部分。本文分析了现有的泊车路径规划方法,针对远距离自动泊车,提出基于BRT算法的路径规划。根据实际泊车操作过程,将自动泊车划分为远距离靠近泊位和泊入泊位两个阶段,采用基于反向RRT算法分别设计满足车辆运动模型和避障要求的路径规划算法,并在平行泊车、垂直泊车、反向斜方位泊车、正向斜方位泊车和角落平行泊车场景下进行仿真实验。

基于BRS-RRT^(*)算法的移动机器人路径规划

针对Informed-RRT^(*)算法在路径规划中收敛速度低、目标性差且所得轨迹不平滑的局限性,提出一种面向目标的区域采样双向RRT^(*)算法。首先,引入双向贪婪搜索策略获得采样点,加快算法搜索速度的同时改变随机树的扩展规则,增强其目标导向性;其次,得到初始解后,于轨迹节点附近展开形成启发式采样区域,在该区域内通过节点重构策略不断迭代,优化路径长度;最后,采用中间点插值和三次样条曲线相结合的方法,完成对路径的平滑处理。仿真实验表明,改进算法能够在不同环境地图中以更短的运行时间生成节点数更少、代价更小、更为平滑的路径。

基于改进RRT^(*)算法的移动机器人路径规划

针对传统快速随机搜索树^(*)(rapidly-exploring random tree^(*),RRT^(*))算法收敛速率较慢,且不适用于动态场景等问题,提出一种基于目标点偏置和冗余节点删除的改进RRT*算法,用于解决移动机器人快速找到无碰撞最优路径的问题。此算法在RRT^(*)算法基础上,首先对采样点进行优化处理,保证路径最优的同时减少搜寻时间;其次引入路径节点最大值概念,删除扩展树冗余节点以提高算法效率;最后结合动态窗口(dynamic window approaches,DWA)算法提高路径的安全性和平滑性,实现对动态障碍物的避障。通过3种不同地图下的仿真验证,改进算法能有效提升路径质量,且大幅降低运行时间。

基于改进APF-Informed-RRT^(*)的机械臂避障路径规划

针对Informed-RRT^(*)算法在避障路径规划中缺乏目的性和方向性,存在规划时间长、迭代效率低等问题,提出了结合人工势场法和Informed-RRT^(*)算法的避障规划算法。首先,针对传统人工势场法存在目标点不可达、易与障碍物碰撞的问题,提出了改进后的人工势场法,并将其融入Informed-RRT^(*)算法中,使随机树沿势场下降的方向生长,增强其方向性;其次,依据随机树与障碍物间的距离,提出了一种自适应生长步长策略,提高了对空间的探索能力;最后,引入贪心算法的思想,在生长时直接判断随机树能否直达目标点,提高了路径规划效率。在二维和三维环境下对改进后的算法与传统算法及其衍生算法进行对比实验,仿真结果表明改进后的Informed-RRT^(*)算法相较于原始算法规划的路径长度和规划耗时分别减少了17.42%和36.21%。