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。

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TLP模型的智能AGV三维实时路径规划研究

目的为了更好地规划出最优可行路径。方法采用三层规划模型(TLP)改进的三维实时路径规划算法,首先从AGV的控制性能入手,基于现实场景的多重约束设定威胁等级函数,利用TLP和改进RRT优化算法规划出更加平滑的最优路径。结果目标函数及TLP的决策变量可以确保AGV准确到达目标位置。结论实验结果表明,所提算法具有更好的效率与效果。