为实现移动机器人在复杂动态障碍物环境中的避障,提出一种改进的快速随机扩展树(rapidly-exploring random tree,RRT^(*))与动态窗口法(dynamic window approach,DWA)相融合的动态路径规划方法。基于已知环境信息,利用改进RRT^(*)算法...为实现移动机器人在复杂动态障碍物环境中的避障,提出一种改进的快速随机扩展树(rapidly-exploring random tree,RRT^(*))与动态窗口法(dynamic window approach,DWA)相融合的动态路径规划方法。基于已知环境信息,利用改进RRT^(*)算法生成全局最优安全路径。通过消除RRT^(*)算法产生的危险节点,来确保全局路径的安全性;使用贪婪算法去除路径中的冗余节点,以缩短全局路径的长度。利用DWA算法跟踪改进RRT^(*)算法规划的最优路径。当全局路径上出现静态障碍物时,通过二次调整DWA算法评价函数的权重来避开障碍物并及时回归原路线;当环境中出现移动障碍物时,通过提前检测危险距离并转向加速的方式安全驶离该区域。仿真结果表明:该算法在复杂动态环境中运行时间短、路径成本小,与障碍物始终保持安全距离,确保在安全避开动态障碍物的同时,跟踪最优路径。展开更多
针对传统快速扩展随机树算法(Rapidly-exploring random tree,RRT)搜索较慢、规划路径曲折、平顺性差等问题,提出了一种结合改进RRT^(*)与贝塞尔曲线控制点优化的智能车辆运动规划方法.该方法通过在给定概率分布下采样,结合基于方向相...针对传统快速扩展随机树算法(Rapidly-exploring random tree,RRT)搜索较慢、规划路径曲折、平顺性差等问题,提出了一种结合改进RRT^(*)与贝塞尔曲线控制点优化的智能车辆运动规划方法.该方法通过在给定概率分布下采样,结合基于方向相似性的多步扩展与路径简化,使用贝塞尔曲线拟合生成规划问题初始解,最后使用序列二次规划优化曲线控制点,从而在动态障碍物环境中生成兼具安全性与驾驶舒适性的车辆行驶轨迹.在仿真实验中将本文算法与常规RRT及曲线拟合方法进行了比较,结果显示本文算法在搜索速度、平顺性、安全性等方面有较大提升.展开更多
RRT^(*)(rapidly-exploring random tree star)算法是机械臂路径规划中的一个重要工具,但在高维空间内的应用表现存在搜索效率低下、对维数的敏感度高、难以快速收敛至优化路径等问题。此外机械臂避障的规划需要考虑到路径的平滑性,但...RRT^(*)(rapidly-exploring random tree star)算法是机械臂路径规划中的一个重要工具,但在高维空间内的应用表现存在搜索效率低下、对维数的敏感度高、难以快速收敛至优化路径等问题。此外机械臂避障的规划需要考虑到路径的平滑性,但是算法生成的路径往往缺乏所需的平滑性,难以直接应用于实际的机械臂操作。针对这些问题,研究提出了一个基于贪心策略的RRT^(*)算法改进版本。新算法改进了代价函数和重连策略,并在高维搜索环境中,通过贪心算法进行偏执采样,自适应地选取预设路径节点,从而提高搜索效率,增强轨迹的平滑性并进行直接应用。通过Matlab、ROS仿真和机械臂实际应用避障实验,验证了改进的RRT^(*)算法在三维空间中的高效性和优越性,尤其是在搜索效率与路径平滑性等方面。展开更多
文摘为实现移动机器人在复杂动态障碍物环境中的避障,提出一种改进的快速随机扩展树(rapidly-exploring random tree,RRT^(*))与动态窗口法(dynamic window approach,DWA)相融合的动态路径规划方法。基于已知环境信息,利用改进RRT^(*)算法生成全局最优安全路径。通过消除RRT^(*)算法产生的危险节点,来确保全局路径的安全性;使用贪婪算法去除路径中的冗余节点,以缩短全局路径的长度。利用DWA算法跟踪改进RRT^(*)算法规划的最优路径。当全局路径上出现静态障碍物时,通过二次调整DWA算法评价函数的权重来避开障碍物并及时回归原路线;当环境中出现移动障碍物时,通过提前检测危险距离并转向加速的方式安全驶离该区域。仿真结果表明:该算法在复杂动态环境中运行时间短、路径成本小,与障碍物始终保持安全距离,确保在安全避开动态障碍物的同时,跟踪最优路径。
文摘针对传统快速扩展随机树算法(Rapidly-exploring random tree,RRT)搜索较慢、规划路径曲折、平顺性差等问题,提出了一种结合改进RRT^(*)与贝塞尔曲线控制点优化的智能车辆运动规划方法.该方法通过在给定概率分布下采样,结合基于方向相似性的多步扩展与路径简化,使用贝塞尔曲线拟合生成规划问题初始解,最后使用序列二次规划优化曲线控制点,从而在动态障碍物环境中生成兼具安全性与驾驶舒适性的车辆行驶轨迹.在仿真实验中将本文算法与常规RRT及曲线拟合方法进行了比较,结果显示本文算法在搜索速度、平顺性、安全性等方面有较大提升.
文摘RRT^(*)(rapidly-exploring random tree star)算法是机械臂路径规划中的一个重要工具,但在高维空间内的应用表现存在搜索效率低下、对维数的敏感度高、难以快速收敛至优化路径等问题。此外机械臂避障的规划需要考虑到路径的平滑性,但是算法生成的路径往往缺乏所需的平滑性,难以直接应用于实际的机械臂操作。针对这些问题,研究提出了一个基于贪心策略的RRT^(*)算法改进版本。新算法改进了代价函数和重连策略,并在高维搜索环境中,通过贪心算法进行偏执采样,自适应地选取预设路径节点,从而提高搜索效率,增强轨迹的平滑性并进行直接应用。通过Matlab、ROS仿真和机械臂实际应用避障实验,验证了改进的RRT^(*)算法在三维空间中的高效性和优越性,尤其是在搜索效率与路径平滑性等方面。