基于二次转角约束的改进RRT路径规划算法研究

针对快速随机搜索树(RRT)算法存在节点扩展冗余、生成路径不满足车辆转角条件等问题,提出一种改进的二次转角约束RRT算法。首先,在传统RRT算法基础上对采样空间进行裁剪,引入目标导向策略减少采样时间;然后采用车辆膨胀处理和直线方法检测障碍物,并引入第一次转角约束得到粗解路径;接着对粗解路径建立二次转角约束并进行优化处理,获取优化路径后拟合,并进行仿真验证。结果表明,相比于引入目标导向策略的RRT算法,所提出的算法路径最大曲率降低了34.33%,平均曲率降低47.36%,扩展节点数降低47.62%,路径距离降低7.76%,规划时间缩短14.98%。

基于改进RRT的清扫机器人全覆盖路径规划

针对钢筋轧制车间中大型非结构化环境下清扫机器人在全覆盖路径规划时所面临的算法运行成本高、避障性能差和区域覆盖率低等问题,提出了一种利用单元分解法分区覆盖和融合跳点搜索法的RRT区域转移的全覆盖路径规划算法。利用MCD(movement cell decomposition)算法实现自由区域覆盖,为了解决区域间路径规划时的避障问题,引入融合跳点搜索策略的RRT算法,通过增加节点扩展的导向性,使其更偏向目标区域进行搜索,并利用贪婪算法裁剪冗余点修正路径以及三次B样条曲线法平滑处理。通过仿真与实验验证了算法在不同环境下的可行性和有效性,相比于其他方法所规划的路径更短且大大降低了路径重复率,提高了机器人避障效率的同时实现了全区域路径覆盖。

基于改进RRT*算法的井下巷道漫游路径规划方法

针对目前井下巷道作业人员行动轨迹重现,以及巷道漫游等三维可视化巷道虚拟现实过程中的碰撞检测和路径规划问题,提出一种将改进快速探索随机树(RRT*)算法和贪心算法相结合,解决井下巷道复杂环境和高维空间寻求最优路径的方法。这一改进方法使用优先探索策略和贪心策略,解决了RRT算法难以求解最优的可行路径和RRT*算法运动路径振荡的问题。通过Matlab仿真实验平台进行验证,结果表明:所提出的规划方法可得到满意的避障规划路径;且相较于RRT*算法,该方法减少了大部分的无用路径搜索和路径边径的内存存储,提高了路径规划的效率,有效解决了虚拟现实过程中运动路径的振荡问题,实现了平滑的路径规划。

基于改进RRT算法的路径规划研究

针对RRT算法在路径规划中随机性强、无效节点多等缺点,设计了一种分区采样的路径规划方法。该方法首先以地图的长边与短边的坐标值为参考,将地图分为若干区域,随机采样点的最近点限制在区域内查找,提高遍历速度;其次,以首次进入下一区域的节点为根节点进行搜索树的扩展,为防止节点在分区边界局部震荡,提出了一种节点试采样策略,允许随机树中有限节点进入上一采样区域;再者在节点扩展方面,采用随机方式决定一次采样扩展步长次数;最后将三个随机树连接,将冗余点剪除,采用二次贝塞尔曲线对路径进行优化。实验表明:该方法生成路径节点少、效率高、导向性强。

优化改进RRT和人工势场法的路径规划算法

针对传统快速搜索随机数(RRT)算法在规划路径中随机性较大,搜索效率较低且规划的路径不利于机器人移动等缺点,从3个方向进行改进。首先,对于随机树扩展时随机性较大的问题,将传统的扩展方向加入改进人工势场法约束,使得随机树偏向目标点生长;其次,将改进RRT算法规划的路径进行关键点提取,并优化路径;最后,将优化后的路径按照关键点分段使用改进评价函数的动态窗口法。实验表明,优化改进RRT算法相较于传统A*算法、传统RRT算法在路径长度、路径规划时间以及拐点等方面效果都更好,融合算法在复杂环境中规划出的路径能够很好地避开障碍物,路径更加平滑且更短。

基于改进RRT算法的无人车路径规划研究与测试

针对基本快速搜索随机树(RRT)算法在路径规划过程中存在的节点采样随机、收敛速度慢以及寻址精度低等问题,结合目标引力函数和障碍物排斥力场函数,设计了一种基于动态步长的改进RRT算法。算法采用分区域节点扩展方式,实现精细化路线规划,提升路径指向性及避障能力;同时,利用转角限制、平滑处理等方式减少无效拐点,提高路线实用性。结果表明,所用算法具有较好的抗干扰能力,可有效提高无人车的路径规划精度和作业效率,缩短货物运送路程,减少成本消耗。相比基本RRT算法,采用改进RRT算法的无人车行驶路程缩短17.7%,作业效率提高25%,成本消耗减少25%。研究结果具有一定实用性,可为仓储无人运输车应用提供理论支撑。

融合改进RRT和Dijkstra算法的机器人动态路径规划

针对传统RRT算法在规划中随机性过大,节点利用率低且得出的路径并非最优等问题,从3个方面进行改进。首先,针对RRT在随机点采样过程中无方向性的问题,设置目标节点采样率,每次采样时目标点有几率成为采样点,使路径可以快速接近目标点;其次,动态设置步长使机器人能根据周围障碍物数量动态调整步长,减少迭代步数;最后,在得到RRT算法规划出的一条可行路径后,向周围扩展可行区域,将可行区域栅格化,通过Dijkstra算法找出可行区域中的最短路线,优化RRT算法得出的路线。最后将所获得的全局路径分段采用动态窗口算法。将RRT-Dijkstra融合算法与RRT算法、Dijkstra算法以及动态窗口算法在路径拐点数量以及路径长度等方面进行对比。实验表明,RRT-Dijkstra融合算法更高效,得到的路径更优。结合动态窗口算法后且能实现动态避障。

基于改进RRT^(*)算法的深海采矿车局部路径规划算法

针对海底环境可能会出现未知障碍物,进而影响采矿车行驶安全的问题,提出一种改进RRT*算法。该算法考虑海底地形的复杂性,对采样点进行通行性分析。同时在采样策略上,进行目标导向性的改进,并对生成的路径进行剪枝优化。实验证明提出的算法保留了RRT*算法的概率完备性,同时在安全性能和路径长度上提高了生成路径的质量。

基于改进RRT*算法的山地风电场道路路径优化

近年山地风电场建设规模大,其中道路的建设成本在整个风电场投资中占比较大,而目前针对山地风电场道路路径优化设计的研究和工程应用较少。针对山地风电场道路相关设计要求,将道路坡度和转弯半径作为约束条件,以建设成本作为目标,提出一种山地风电场道路路径优化设计的改进RRT*算法。采用提出的方法对三个山地风电场进行道路路径优化设计,结果表明,相比人工设计的道路方案,提出的方法可以有效控制道路坡度,减少道路长度和施工工程量,从而降低风电场建设工程投资,提高风电场的投资收益率。研究成果可为山地风电场道路路径优化设计提供参考。

基于改进RRT算法的无人驾驶汽车轨迹规划

针对无人驾驶汽车,提出了一种基于改进快速搜索随机树(RRT)的轨迹规划算法。首先,基于车辆转向约束,在传统RRT算法的基础上,限制采样可行区域,基于目标偏向策略,以一定的概率将目标点作为随机点进行随机树扩张;其次,对生成路径采用三次B样条曲线平滑处理,降低轨迹曲线的曲率及曲率变化率;最后,基于Matlab/CarSim联合仿真平台构建直线路况与直角路况,并使用提出的算法在不同路况下进行轨迹规划的仿真与分析。结果表明:改进RRT算法下规划轨迹的曲率均值、极大值与方差小,相比于无约束控制,15°转角约束下在直线路况中分别降低了22. 9%,51. 7%与43. 3%,在直角路况中分别降低了29. 5%,59. 3%与40. 3%;同时,改进RRT算法的平均采样点数及平均树节点数少、规划时间短,相比于无转角约束,15°转角约束下在直线路况中分别降低了62. 9%,38. 2%与78. 5%,在直角路况中分别降低了34. 0%,41. 9%与27. 4%,路径规划质量和速度显著提高。

基于改进RRT的无人机电力杆塔巡检路径规划

为了达到无人机在电力输电线路环境中能够进行有效的路径规划以及轨迹跟踪的目的,立足于RRT(Rapidly Exploring Random Trees)算法,提出一种在电力输电线路中适用于无人机的路径规划算法.该算法在融合无人机的动力学特性,及RRT扩展的随机性的基础上,通过设计最大航向角以及路径高度的约束,使得规划的路径在高度方向上向目标点渐进逼近,并能克服传统RRT在狭窄空间规划失败的问题.算法在ROS(Robot Operating System)-Gazebo环境中进行了仿真试验,验证了该算法在电力输电线路环境下的实用性.

基于改进RRT算法的船舶路径规划与跟踪控制

提出基于改进快速搜索随机树算法的船舶路径规划与跟踪控制方法。采用嵌入Dijkstra算法的改进快速随机搜索树算法(Rapidly⁃Exploring Random Tree,RRT)算法进行船舶路径规划。将规划的优化路径作为船舶运动控制系统的期望输入,基于工业界广为使用的内外环控制思想设计船舶运动学跟踪控制率,较好地解决了欠驱动船舶路径跟踪问题。在船舶动力学子系统中,利用神经网络逼近动力学子系统中的未建模动态和外部干扰,所设计的神经网络滑膜跟踪控制器能有效地跟踪运动学子系统的引导率信号。仿真试验验证了所提出的基于RRT的船舶路径规划与跟踪控制的有效性。

基于改进RRT算法在ROS中的机械臂避障运动规划研究

针对基于目标偏向的RRT算法在复杂环境下易陷入局部搜索与搜索效率低的不足,在ROS中分别基于Dobot模型和DIY模型,对算法做出进一步的改进。在创建机械臂模型基础上,利用MoveIt!对其进行配置,并通过简化模型来提高碰撞检测效率;在基于目标偏向RRT算法的基础上,分别引入扩展目标变更策略和可变步长对算法进行改进;在ROS中分别进行了不同形态障碍物环境下的避障运动规划仿真;在样机上进行了避障和避障抓取实验。仿真及实验结果表明,提出的改进RRT算法相比基于目标偏向的RRT算法,规划成功率和效率分别可提高42.9%和29.2%。

基于改进RRT算法的水下无人航行器路径规划方法

针对未知环境中的水下无人航行器路径规划问题,笔者提出了一种改进的快速扩展随机树(RRT)算法。一方面针对传统RRT算法不能在未知环境中应用的问题,将滚动规划的思想与RRT算法相结合,通过不同情况下的子目标点选取策略选取合适的子目标点,并利用RRT算法规划前往子目标点的路径,实现了水下无人航行器的在线实时路径规划;另一方面,为了减少传统RRT算法的冗余搜索量,引入评价函数,使随机树的扩展方向具有目的性,提高了路径规划效率。最后,通过仿真实验验证了改进RRT算法的有效性。

基于改进RRT算法的四旋翼无人机航迹规划

针对传统的快速扩展随机树(rapidly-exploring random tree,RRT)算法收敛速度较慢、规划航迹曲折的缺点,提出基于启发式引导策略、动态步长策略、双层平滑度优化策略的综合改进RRT算法。利用概率对随机树的生长方向进行引导;采用动态步长进行未知空间的搜索;通过双层平滑度优化策略进行规划航迹的平滑,规划出适合四旋翼无人机飞行的可行航迹。与其它改进方法进行仿真比较,实验结果表明,综合改进RRT算法规划的航迹更短且平滑度更好,已将其应用于四旋翼无人机两种类型的突发障碍的航迹规划中。

改进RRT算法陷阱空间下的无人机航迹规划

针对大部分航迹规划算法在陷阱空间下,存在规划时间长、成功率低的问题,提出了一种改进RRT算法。通过将人与RRT算法相结合,由人设置虚拟目标点,引导航迹搜索走出陷阱空间;同时对节点扩展进行优化,保证航迹搜索在可行域内;并设置快速收敛策略,删除冗余节点,使航迹搜索速度加快。最后,通过仿真验证表明,该方法在陷阱空间规划中具有良好的效果,可快速规划可行航迹。

基于人工势场引导的改进RRT机器人路径规划算法

针对随机扩展树收敛速度慢、效率低的缺点,提出以人工势场引导节点向目标点逼近,并与改进的转换测试结合实现树扩展的自适应调控。采用人工势场算法建立采样节点的价值函数,使得随机扩展树不断向低代价空间扩展,当陷入局部极小值时,对RRT算法的采样策略进行调节、自适应地寻找逃离路径,使搜索过程快速跳出局部极小值。仿真实验表明,人工势场引导随机树渐进目标点,并与转换测试结合,提高了算法的搜索效率。

融合改进RRT和动态窗口法的路径规划算法

针对传统RRT算法在规划中随机性过大,搜索时间过长且不能够实现动态避障等问题,从3个方面进行改进。针对RRT算法搜索树扩展方向过于随机,根据以起始点与目标点为对角线的矩形中的障碍物占比向目标点方向扩展,分别在有障碍物与无障碍物的环境中与传统RRT算法对比,验证改进算法的高效性;对改进算法规划的路径进行关键节点提取,并按照关键节点进行优化;将优化后路径分段使用改进动态窗口法。将融合算法与传统动态窗口法以及RRT算法在路径拐点数量以及路径长度等方面进行比对,结果表明:融合算法具有高效性且在规划的路径中加入临时障碍物时,移动机器人也能很好地避开。

基于改进RRT算法的电能量数据质量整体评价系统设计

针对评价系统评价时间过长的问题,基于改进RRT算法设计了一种新的电能量数据质量整体评价系统。系统硬件分别设计了采集器、微处理器、存储器和评价器,采集器芯片选用SD公司生产的ST8735芯片,在评价器外部增设了存储器,能够实现电能量数据质量评估系统的正常运行,微处理器是评价器的CPU处理器,设置了4路晶振电路,能够提高系统评价能力,联合背景谐波评价、分析电能量数据质量、综合质量,实现电能量数据质量整体评价。实验结果表明,设计的基于改进RRT算法的电能量数据质量整体评价系统不易受到外界噪声干扰,有效减少了评价时间。

基于改进RRT*算法的自动驾驶车辆路径规划研究

针对自动驾驶车辆,文章在交叉路口环境下提出了一种改进的快速搜索随机树(RRT*)路径规划算法。首先,对自动驾驶车辆的驾驶行为环境予以描述;其次,针对原始RRT*算法提出改进的目标偏向策略予以改善;进一步,对原始RRT*算法在交叉路口无效采样的问题,提出一种概率采样策略。基于Matlab/Simulink联合仿真平台构建相应环境使进行车辆直行驾驶,所规划路径长度为100.35m,仿真时长为5.71s。