基于冗余节点过滤机制的IBRRT^(*)机械臂路径规划

针对传统的RRT^(*)和双向RRT^(*)规划算法在复杂环境存在下规划效率低、探索时间长、规划路径曲折等问题,提出了一种基于冗余节点过滤机制的IBRRT^(*)机械臂路径规划算法。在IBRRT^(*)规划算法基础上,引入局部节点替代机制避免节点的冗余拓展,当首次探索到起始点到目标点的初始路径,将椭圆状态子集采样算法引入后续的迭代中,对采样区域施加约束,避免冗余节点生成。最后针对迭代过程中对路径优化没有贡献的边缘冗余节点进行逐轮剔除。二维仿真实验结果表明,提出的算法收敛速度快效率高,相比IBRRT^(*)算法在时间上减少50%左右,节点个数减少75%以上,并且通过机械臂路径规划实验证明了算法的有效性和实用性。

基于双向同时无碰撞检测目标偏置RRT算法的路径规划方法

针对传统RRT算法在复杂环境中对不必要区域的搜索和路径规划的时间代价过高等问题,提出了一种双向同时无碰撞检测目标偏置快速扩展随机树算法——TNCG-RRT。该算法将B-RRT中的双向搜索策略和BIT中的启发式搜索融合作为文中的基础算法,引入神经网络的批量抓取数量决定一次采样的节点数目从而影响采样速度;然后,将正向树和反向树的扩展同时进行以加快路径搜索速度,通过对目标偏向策略中扩展顶点队列的改进和对采样区域的不断更新明确扩展方向,缩小随机树生长的范围;最后,利用3次B样条曲线使生成的路径趋于平滑。与B-RRT算法和BIT算法进行对比实验,实验结果表明:TNCG-RRT算法在路径生成时间上缩短4.5%,剪枝数增加80%,路径代价(即路径长度)缩短9%,证明了TNCG-RRT算法的有效性。