限制RRT采样区域的智能轮椅路径规划

针对快速扩展随机树(RRT)算法在智能轮椅路径规划中存在搜索目的性差、随机性大、搜索时间长、节点数过多、改进算法迭代次数多的问题进行研究,提出了限制RRT采样区域的路径规划算法,无需多次迭代,减少计算量。在采样的范围上,设置椭圆区域采样,对采样的范围加以限制,减少无用的采样点;在采样策略上,使用了目标偏置采样,提高采样的目的性;在步长扩展上,使用了自适应步长扩展策略,使得可以朝着目标点所在的方向更加快速地扩展;加入贪心算法的思想对路径长度和过多的路径节点进行优化,同时减少迭代次数,从而减少计算量。用MATLAB进行仿真,结果证明,相比RRT、RRT*、IRRT*算法,所提的限制RRT采样区域的智能轮椅路径规划算法在时间上分别减少了82%、92.25%、94.69%,在路径长度上分别减少了23.12%、10.01%、5.21%。