改进RRT的复杂障碍物环境路径规划算法研究

为解决传统的RRT算法在复杂障碍物环境下时,存在采样随机性大,搜索效率低,规划路径曲折等问题,提出一种改进的RRT算法。将传统RRT算法的随机树扩展引入自适应步长目标偏置策略,加快向目标点的收敛速度;结合人工势场法的概念,在随机树中引入目标点的引力分量和障碍物周围的斥力分量,并限制障碍物附近的搜索区域;对改进RRT算法规划的路径引入局部定向剪枝概念,对路径关键点择优剪枝选取,快速逃离局部振荡阶段;加入三次B样条曲线对路径进行平滑处理,降低路径曲折程度,以保证路径的可行性。通过实验表明,改进的RRT算法在保证对同一路径搜索的同时,显著地减少了68.5%的搜索时间,并且减少了20%的节点迭代次数,更适用于复杂障碍物环境下的路径规划。