分级随机采样弱随机RRT算法及在移动机器人运动规划中的应用

针对移动机器人运动规划过程中,采用快速扩展随机树(RRT)算法采样效率低,寻找临近节点计算量大,及非线性反馈控制器不受系统模型动态约束的问题,提出一种新的基于分级随机采样与扩展的弱随机RRT算法,同时设计快速限幅非线性反馈控制器,保证运动规划过程中机器人始终满足系统模型动态约束。首先,在迭代伊始结合节点评价策略建立节点的选取集合;其次,按照规定顺序选取扩展节点并随机选择扩展方向,将计算得到的新子节点连接到随机树完成扩展;然后,对初始路径进行规划,采用快速限幅非线性反馈控制器计算机器人在路径点上的控制序列和位姿,实现移动机器人的运动规划;最后,通过仿真验证了该算法的有效性。结果表明:提出的分级随机采样弱随机RRT算法不依赖最近节点的选取,相比RRT算法缩短了求解时间,提高了迭代速度。