启发式自适应步长优化Informed-RRT算法

Informed-RRT*算法是解决全局路径规划问题常用的算法。当处理狭窄环境时,Informed-RRT*算法往往容易陷入局部最优解,而在复杂环境中路径规划的成本又往往过高。为了解决这些问题,提出了一种基于启发式自适应步长的采样策略,以改进Informed-RRT*算法的不足之处。通过在随机节点周围扩展采样点集来计算启发式值,选择最优节点并按照其生长方向进行扩张。通过计算最优节点与最近节点的距离,确定下一次采样的步长。这使得机器人能够更好地适应二维和三维环境中的狭窄区域和复杂环境。将改进的算法在二维和三维环境中进行仿真验证,实验结果表明了该算法的有效性和鲁棒性较为优异。