改进人工势场与TAS-RRT融合优化算法

针对人工势场法易陷入局部极小值的缺陷,提出旋转速度矢量角以精确定位逃离点,并将TAS-RRT算法与人工势场算法结合进行动态路径规划。采用人工势场法进行避障规划,当陷入局部最小值时,使用基于速度矢量角度差引导的快速随机扩展树算法调节扩张速度,自适应地寻找逃离点,对RRT算法的采样策略和局部规划器进行改进,使搜索过程快速跳出局部极小值,当采样点的旋转速度矢量角满足条件时,切换人工势场进行规划。仿真实验表明,TAS-RRT算法引导路径快速渐进逃离点,与人工势场结合进行运动规划,能适应环境的变化,控制精度和处理速度得到大大提高。