基于PIB-RRTstar的荔枝采摘机械臂运动规划方法

为解决非结构环境下,采摘机械臂路径规划时存在的效率低、采摘成功率不高的问题,提出一种结合人工势场法的四向搜索RRTstar算法。首先通过人工势场法对空间进行分割,获取空间分割点x_(split),进行四向搜索;其次结合人工势场法引导随机采样,提高采样节点质量;然后基于节点历史扩展信息,添加信息因子,实现自适应动态步长扩展。最后通过贪婪回溯对生成路径进行优化。通过二维模拟实验、6自由度机械臂下的仿真实验与采摘实验验证提出算法的有效性。二维仿真对比实验表明:相比于RRTstar算法,改进算法路径成本缩短2.01%,时间代价降低98.81%,迭代次数减少92.49%。在机器人操作系统(Robot operating system,ROS)中进行6自由度机械臂下的仿真实验,相比于RRTstar算法,规划时间减少93.17%,路径成本降低36.62%,扩展节点数减少97.00%。最后使用6自由度机械臂进行采摘实验,实验结果表明本文算法有效提升采摘成功率,采摘成功率达85%,并在结合姿态约束方法后,采摘成功率达95%。所提出的路径规划方法在路径规划时间上存在一定优势,采摘实验证明本文算法可提高荔枝采摘成功率。