为使交互式水域环卫机器人(Interactive Water Sanitation Vehicle,IWSV)在进行垃圾收集时成功捕获水中浮动垃圾并顺利规避水域障碍物,提出一种将基于采样的快速搜索随机树(Rapidly-exploring Random Tree,RRT)算法与速度障碍模型相结...为使交互式水域环卫机器人(Interactive Water Sanitation Vehicle,IWSV)在进行垃圾收集时成功捕获水中浮动垃圾并顺利规避水域障碍物,提出一种将基于采样的快速搜索随机树(Rapidly-exploring Random Tree,RRT)算法与速度障碍模型相结合的路径规划算法。利用双目摄像头基于视差定位法获取水域动态障碍物的位置坐标,利用IWSV搭载的感应元件获取其自身与障碍物的相对方位角,基于速度障碍法计算可成功避开障碍物的移动角度调整范围,对更优的RRT算法中的随机采样过程进行进一步优化,得到改进的避障路径规划算法。考虑实际应用场景,引入抗积分饱和比例积分微分控制(Proportional Integral Differentiational Control,PID Control)法使航向控制器的控制效果更为精准有效。在实景测试时避障路径规划算法存在稳健性,基于到达时间(Time of Arrival,TOA)定位法进行仿真分析。仿真试验结果表明,该路径规划算法比RRT算法和改进前的RRT算法路径规划效果更优,可靠性更好,可在较短时间内避障并得到较优移动路径。在实景测试时基于TOA的Chan算法更加符合定位估计需求,且IWSV本体感应装置的噪声测算宜在10 m以内。展开更多
针对快速搜索随机树(rapidly-exploring random tree,RRT)算法在避障路径规划中存在的对地图适应性弱、采样质量差、无效节点多、规划时间长及路径质量差等问题,提出了一种改进RRT算法。首先,在传统RRT算法的基础上,基于地图复杂程度评...针对快速搜索随机树(rapidly-exploring random tree,RRT)算法在避障路径规划中存在的对地图适应性弱、采样质量差、无效节点多、规划时间长及路径质量差等问题,提出了一种改进RRT算法。首先,在传统RRT算法的基础上,基于地图复杂程度评估策略计算得到合适的步长及偏置概率,以实现对不同地图的自适应。然后,通过采样区域动态更新策略,使随机树在有效区域内进行采样,以确保随机树的正向生长;在确定采样区域后,利用采样点优化策略来提高采样点的有效性,使得随机树朝目标点附近生长。最后,采用节点重连策略对规划的初始避障路径进行优化,以获得一条弯折次数较少的避障路径。在Python及MATLAB环境中对改进RRT算法的可行性进行验证。结果表明,在面向复杂程度不同的地图和应用于机械臂时,改进RRT算法均能快速规划出一条无碰撞的高质量路径。研究结果可为提高机器人避障路径的规划效率提供参考。展开更多
针对传统RRT^(*)算法(Rapidly-Exploring Random Tree,RRT)在全局路径规划过程中存在收敛速度慢、搜索路径不平滑、内存占用多等问题,提出了一种APF-RRT^(*)(Artificial Potential Field,APF)融合搜索算法。首先,为了加快RRT^(*)算法在...针对传统RRT^(*)算法(Rapidly-Exploring Random Tree,RRT)在全局路径规划过程中存在收敛速度慢、搜索路径不平滑、内存占用多等问题,提出了一种APF-RRT^(*)(Artificial Potential Field,APF)融合搜索算法。首先,为了加快RRT^(*)算法在搜寻过程中的收敛速度,在算法中利用人工势场引导快速扩展随机树向目标点生长,在RRT^(*)算法扩展节点时加入APF的目标引力与障碍物斥力思想;其次,对融合算法在空间中的采样范围做出改进,使算法在APF产生的合力特定范围内进行采样,提高算法在空间中的搜索效率,减少无用节点的扩展;最后,对融合算法规划的路径进行平滑优化,减少不必要的路径,降低无人机实际飞行的代价。在多种不同障碍物环境下进行了对比仿真实验,融合算法相较于传统RRT和RRT^(*)算法搜索效率显著提升,路径代价与平滑度得到进一步优化,且降低了随机树无用节点的扩展,节点的利用率得到大幅提升。展开更多
文摘为使交互式水域环卫机器人(Interactive Water Sanitation Vehicle,IWSV)在进行垃圾收集时成功捕获水中浮动垃圾并顺利规避水域障碍物,提出一种将基于采样的快速搜索随机树(Rapidly-exploring Random Tree,RRT)算法与速度障碍模型相结合的路径规划算法。利用双目摄像头基于视差定位法获取水域动态障碍物的位置坐标,利用IWSV搭载的感应元件获取其自身与障碍物的相对方位角,基于速度障碍法计算可成功避开障碍物的移动角度调整范围,对更优的RRT算法中的随机采样过程进行进一步优化,得到改进的避障路径规划算法。考虑实际应用场景,引入抗积分饱和比例积分微分控制(Proportional Integral Differentiational Control,PID Control)法使航向控制器的控制效果更为精准有效。在实景测试时避障路径规划算法存在稳健性,基于到达时间(Time of Arrival,TOA)定位法进行仿真分析。仿真试验结果表明,该路径规划算法比RRT算法和改进前的RRT算法路径规划效果更优,可靠性更好,可在较短时间内避障并得到较优移动路径。在实景测试时基于TOA的Chan算法更加符合定位估计需求,且IWSV本体感应装置的噪声测算宜在10 m以内。
文摘针对快速搜索随机树(rapidly-exploring random tree,RRT)算法在避障路径规划中存在的对地图适应性弱、采样质量差、无效节点多、规划时间长及路径质量差等问题,提出了一种改进RRT算法。首先,在传统RRT算法的基础上,基于地图复杂程度评估策略计算得到合适的步长及偏置概率,以实现对不同地图的自适应。然后,通过采样区域动态更新策略,使随机树在有效区域内进行采样,以确保随机树的正向生长;在确定采样区域后,利用采样点优化策略来提高采样点的有效性,使得随机树朝目标点附近生长。最后,采用节点重连策略对规划的初始避障路径进行优化,以获得一条弯折次数较少的避障路径。在Python及MATLAB环境中对改进RRT算法的可行性进行验证。结果表明,在面向复杂程度不同的地图和应用于机械臂时,改进RRT算法均能快速规划出一条无碰撞的高质量路径。研究结果可为提高机器人避障路径的规划效率提供参考。
文摘针对传统RRT^(*)算法(Rapidly-Exploring Random Tree,RRT)在全局路径规划过程中存在收敛速度慢、搜索路径不平滑、内存占用多等问题,提出了一种APF-RRT^(*)(Artificial Potential Field,APF)融合搜索算法。首先,为了加快RRT^(*)算法在搜寻过程中的收敛速度,在算法中利用人工势场引导快速扩展随机树向目标点生长,在RRT^(*)算法扩展节点时加入APF的目标引力与障碍物斥力思想;其次,对融合算法在空间中的采样范围做出改进,使算法在APF产生的合力特定范围内进行采样,提高算法在空间中的搜索效率,减少无用节点的扩展;最后,对融合算法规划的路径进行平滑优化,减少不必要的路径,降低无人机实际飞行的代价。在多种不同障碍物环境下进行了对比仿真实验,融合算法相较于传统RRT和RRT^(*)算法搜索效率显著提升,路径代价与平滑度得到进一步优化,且降低了随机树无用节点的扩展,节点的利用率得到大幅提升。