基于快速搜索随机树算法的无人船路径规划研究

无人船航行时的安全性、可靠性和稳定性至关重要。有效的路径规划技术可显著提高无人船的避碰能力和缩短航行距离,已成为无人船领域的重点研究内容。本文:首先,分析了传统的快速搜索随机树(rapidly-exploration random tree,RRT)算法的程序原理和算法流程;其次,针对其不足之处引入偏置采样的方案,增加了对目标点的引导以提高其运行效率,在此基础上采用贪心思想进一步优化无人船的路径,继而提出改进的RRT算法和RRT-connect(rapidly-exploring random tree connect)算法;最后,对几种环境复杂程度不同的地图进行仿真模拟实验,验证改进方法的可行性。验证结果表明,改进的RRT-Connect算法可减少环境复杂多变对无人船路径规划的干扰,并能有效提高路径规划效率。

基于自适应步长快速搜索随机树算法的船舶避碰路径规划

快速搜索随机树算法被广泛应用于船舶避碰路径规划。针对传统快速搜索随机树算法在复杂水域条件下搜索效率低的问题,提出了基于自适应步长快速搜索随机树算法的船舶避碰路径规划模型。首先,引入船舶领域模型,并基于《国际海上避碰规则》为让路船设置虚拟障碍。其次,引入时间序列并建立动态障碍检测机制。采用启发式采样策略,减少无效节点的生成。最后,建立障碍物密集度与搜索步长的映射关系,以上一步采样步长作为已知条件预测当前步采样步长,并利用采样点周围障碍物密集程度修正当前最优的采样步长。仿真试验结果表明,相较于传统的快速搜索随机树算法,采用自适应步长快速搜索随机树算法的船舶避碰路径规划模型在采样成功率、搜索路径耗时、路径段数和路径总长度等四个方面均表现最优,在提高算法效率的同时能够实现更高质量的路径规划。

基于改进快速搜索随机树算法的包裹分拣路径规划算法

针对现有快递包裹分拣系统存在的传输速度慢,准确率低等问题,提出一种改进的快速搜索随机树(RRT)算法。该算法以RRT算法为基础,首先建立了包裹环境模型,引入人工势场法引力分量使节点的扩展更具方向性。其次,对于节点进入障碍物区域需多次重新采样的问题,采用扇形区域法避障以提高算法生成质量,并在路径规划结束后采取二次优化,以获得平滑的路径。仿真结果表明,改进后的算法相比于传统的RRT算法,包裹传输速度提高73.22%,与加入人工势场法的改进算法相比,包裹传输速度提高94.46%。

快速搜索随机树算法在航空电缆布线中的应用

针对航空电缆布线中面临的电缆线路分支多、路径复杂等问题,提出一种改进的快速搜索随机树算法。应用这一算法对各电缆线路分支进行计算,进而得出最优路径轨迹,以及各电缆线路分支轨迹的长度。对所提出的算法进行样机试验,确认电缆布线包装机能够达到包装技术标准中无褶皱冗余、路径最短、表面绝缘层无磨损等要求。应用所提出的改进快速搜索随机树算法,可以有效提高航空电缆布线效率,降低劳动量和报废率。

基于改进RRT算法的四足机器人路径规划

针对四足机器人使用RRT算法进行路径规划存在地图探索能力弱、转向角度大且不连续、不满足四足机器人运动学模型的问题,提出一种结合四足机器人自身模型约束的RRT路径规划算法:考虑四足机器人自身运动学约束与自身体积,使用局部贝塞尔曲线化对转折处进行优化;利用全局自适应步长、节点自我更新、增加目标偏置,提升算法搜索效率。四足机器人的仿真实验结果表明,改进RRT算法生成的路径可行性强、运行效率高,满足四足机器人在实际工程中对路径的要求,到达目的地的时间大幅降低。

基于改进RRT算法的智慧小区物料小车路径规划

针对快速搜索随机树(RRT)算法在物料小车路径规划算法中路径转折点多、路径较长、算法运行速度慢等问题,开展了一种基于改进RRT算法的物料小车路径规划算法研究。首先分析了RRT算法与RRT-C算法的原理与优缺点;然后,提出针对优化目标点寻找的采样优化策略、步长优化策略以及保证物料小车运行安全的转角约束条件;最后,采用剪枝优化以及圆切角路径平滑策略来优化所得路径以符合物料小车实际运行线路,并将障碍物进行膨胀化处理,进而规避安全性不足的问题。优化后的RRT算法比初始方法在规划时长和路径长度上分别有着40%~60%和15%~30%的提升,证明了所提方法的有效性。基于改进RRT算法的智慧小区物料小车路径规划研究具有重要的理论和应用意义,并对未来智慧小区动态物流管理系统的优化提供了基础。

基于RRT的机械臂路径规划改进算法

针对快速随机树(Rapidly-exploring Random Trees,RRT)算法在复杂环境下规划效率低的问题,提出一种基于RRT的机械臂路径规划改进算法。首先,在初始采样时应用角度约束采样策略限制采样区域,提升采样质量。然后,在扩展节点时融合人工势场法的思想,设定动态步长加快算法的收敛,提升算法在障碍物空间的探索效率,当算法陷入局部极小值时,采用节点拒绝策略快速脱离。最后,将规划路径进行简化处理,并利用B样条曲线平滑拐点提高路径质量。仿真结果表明,改进算法相比传统RRT算法,扩展更具导向性,收敛速度更快,可以有效避免局部极小值。

基于环境复杂度的移动机器人变步长RRT路径规划算法与仿真研究

针对移动机器人路径规划算法不能根据环境自适应调整步长的问题,提出一种基于环境复杂度的变步长路径规划算法。以快速搜索随机树(RRT)算法为例,引入衡量路径规划性能的参数,通过遗传算法寻找最优步长与环境复杂度之间的关系,建立最优步长与环境复杂度的函数表达式。针对局部环境的特殊性,提出基于滑动窗的变步长RRT路径规划算法。基于该算法,移动机器人能够根据实时局部环境动态改变路径规划的搜索步长,提高了算法的整体性能。最后通过Matlab仿真实验验证了所提出的RRT算法较传统RRT算法具有高效、平稳、代价小的优点。

基于改进RRT算法的避障路径规划

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。

基于RRT改进算法的伪卫星导航轨迹纠偏策略研究

针对现有基于伪卫星的室内小车导航实际轨迹偏离的问题,提出了一种基于快速搜索随机树法(RRT)改进算法的导航轨迹纠偏方案。在轨迹纠偏方案中,利用软件无线电(SDR)软件对小车原有的遥控信号进行采集并进行调制,得到可以操控小车的信号;并在纠偏程序中添加改进的RRT算法在小车轨迹偏离时进行轨迹规划,从而达到小车轨迹纠偏。结果表明,此方案在进行伪卫星室导航时减小了小车的轨迹偏差,纠偏效果明显。

交互式水域环卫机器人的避障路径规划算法

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。

基于RRT-Dubins的无人机航迹优化方法

针对多障碍物环境下考虑无人机(Unmanned Aerial Vehicle,UAV)始末位姿、转弯半径和航迹长度的1阶光滑约束的UAV航迹规划问题,提出一种基于快速搜索随机树(Rapidly-exploring Random Trees,RRT)算法和Dubins曲线以局部最优逼近全局最优的UAV航迹优化方法。利用RRT算法和基于贪心算法的剪枝优化方法,在二维任务空间中规划出满足避障要求的可行离散航路点。采用多条Dubins曲线平滑连接航路点,根据UAV始末位姿确定首尾曲线端点,基于UAV性能、障碍物和飞行参数的约束关系,建立多约束的航迹优化数学模型。通过粒子群优化算法确定曲线类型,同时优化曲线连接处位姿和曲线半径,获得最短航迹。仿真结果表明:所提方法得到的航迹与其他方法相比,在不同障碍物数量和始末位姿的多种场景中,平均长度缩短了11.48%,在避开障碍物的同时,满足UAV动力学约束。

基于改进RRT算法的无人艇编队路径规划技术

[目的]为了解决无人艇编队在智能航行时全局路径规划与局部自主避碰问题,提出基于改进快速搜索随机树(RRT)算法的无人艇编队路径规划技术。[方法]针对无人艇编队形状稳定问题,在RRT算法扩展环节提出一种非严格保形修正向量与非严格保形控制圆区域,使搜索树有朝着严格保形坐标点生长的趋势;针对突发障碍物与非严格保形规划点碰撞问题,在RRT算法碰撞检测环节提出可调节避碰圆区域与障碍物修正向量,使无人艇安全避碰并最大程度地保持队形稳定。[结果]结果显示,无人艇编队在该算法作用下表现出了良好的保形性能,并能对突发障碍物进行有效的避碰。[结论]该算法效能高、稳定性强、路径规划质量高,在实际工程应用中具有重要的意义。

基于自适应目标偏置系数的机械臂路径规划算法

针对快速搜索随机树(RRT)算法因其随机特性导致的运行时间过长和计算结果往往不是最优解的问题,在RRT算法及其改进算法的基础上,课题组提出了一种基于自适应目标偏置系数的机械臂路径规划算法,并将该算法应用到医疗设备无影灯的使用中。首先,用D-H参数法对6自由度机械臂进行运动学描述和正运动学求解,得到末端的运动状态和位姿;然后,综合RRT算法及其改进算法的优点拓展新节点和重置父节点,并引入自适应目标偏置系数,再对路径作剪枝后处理。对比实验结果显示:该方法在保证算法搜索效率的基础上,有效地提高了路径质量。基于ROS的仿真平台验证了该方法具有实用性和可行性。

基于改进RRT算法的无人机航迹规划

为了提高无人机的作战效率,航迹规划系统必须为无人机设计出安全系数高,能量消耗少,处理时间短,同时还必须满足飞行器自身物理特性的威胁回避轨迹。基于上述研究目的,本文选择快速随机搜索树算法(RRT)作为迹规划航算法主体,结合Dijkstra算法改进了RRT算法,完成最小航迹代价飞行轨迹的设计。

启发式搜索思想在路径规划中的应用

Dijkstra算法、蚁群算法和快速随机搜索树(RRT)算法等传统路径规划算法在点对点路径搜索场景中无法充分利用终点位置信息,故导致搜索策略具有一定的盲目性。为解决上述问题,通过引入启发式搜索思想,介绍了3种传统的路径规划算法及其相应的改进措施,并对改进前后的算法的搜索性能进行了对比分析。首先,通过引入启发式思想改变了Dijkstra算法搜索优先级,提升了算法搜索效率;然后,修改了蚁群算法的启发信息,在解决前期易失效的问题的同时加强了后期全局搜索能力;最后,改进了RRT算法搜索树的拓展方式,提高了算法速度,并在一定程度上缩减了有效路径长度。仿真结果表明,启发式搜索算法具有可行性和有效性。

基于人工势场法和启发式采样的最优路径收敛方法

具有渐进最优性的快速搜索随机树(RRT)算法在路径规划过程中确保了其概率完备性和渐进最优性,然而仍存在收敛速度慢且产生大而密集的采样空间等问题。为了加快算法的收敛速度,提出了一种基于人工势场法和启发集合采样来快速获取最优路径的方法。首先,利用人工势场法构建出一条由起点到目标点的初始路径;然后,以起点和目标点的位置和之间的距离以及初始路径的路径代价作为参数来构建初始启发采样集合;最后,限定在启发集合内进行采样,并且在算法进行的过程中调整启发采样集合的范围,进而加快路径收敛速度。仿真实验中,获取相同路径代价的路径时,所提人工势场结合启发式采样的方法为基础的结合人工势场法和启发采样策略的快速获取最优路径的RRT(PI-RRT)算法相较于RRT算法,采样点数减少了约67%,算法运行时间平均缩短了约74.5%;相较于启发式RRT(Informed-RRT)算法,采样点数减少了约40~50%,算法运行时间平均缩短了约62.5%。所提出的最优路径收敛方法大量减少了冗余采样次数并缩短了算法运行时间,具有更高的算法效率,收敛到最优路径的速度更快。

智能汽车避障风险评估及轨迹规划

为提高智能汽车自动驾驶避障风险评估的准确性和快速性,将基于汽车状态和驾驶员意图的轨迹预测进行融合,同时考虑汽车行驶中的确定因素和非确定因素,基于车道行驶和交叉路口两种典型工况,从多方面对快速搜索随机树算法进行了改进,引入了目标偏向策略,改进了节点选择策略,提出了节点删减策略和轨迹平滑方法。仿真验证结果表明,该方法可使汽车有效避开障碍物,确保安全行驶。

融合RRT^(*)与APF算法的机器人路径规划研究

针对传统快速扩展随机树(rapidly-exploring random tree star,RRT^(*))算法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RRT^(*)与人工势场法(artificial potential field,APF)的融合搜索算法。为了加快RRT^(*)算法在搜索过程中的收敛速度,在算法中利用人工势场法的思想引导扩展随机树快速向目标点生长;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。仿真结果表明:相比传统的RRT和RRT^(*)算法以及APF-RRT融合算法,APF-RRT^(*)融合算法能够规划出更短、更平滑的路径,路径距离缩短了1.5%~10.83%;算法的搜索时间也显著缩短了1.97%~49.78%;与其他算法相比,APF-RRT^(*)融合算法的路径节点数量减少了4.66%~41.95%,路径平滑性也得到了提高。

实现机器人动态路径规划的仿真系统

针对机器人动态路径规划问题,提出了在动态环境中移动机器人的一种路径规划方法,适用于环境中同时存在已知和未知,静止和运动障碍物的复杂情况。采用栅格法建立机器人空间模型,整个系统由全局路径规划和局部避碰规划两部分组成。在全局路径规划中,用快速搜索随机树算法规划出初步全局优化路径,局部避碰规划是在全局优化路径的同时,通过基于滚动窗口的环境探测和碰撞规则,对动态障碍物实施有效的局部避碰策略,从而使机器人安全顺利地到达目的地。仿真实验结果说明该方法具有可行性。