移动机器人路径规划安全A^(*)算法

针对移动机器人路径规划时安全性不高的问题,提出一种路径规划安全A^(*)算法.首先,通过扩展搜索邻域,减小路径转角角度,避免不必要的折角;然后,在启发式函数中引入新的评价指标,增加移动机器人与障碍物的距离.最后,提出安全性指数S,对路径安全性进行量化.通过MATLAB软件进行仿真对比,仿真结果表明:文中算法的路径质量和安全性更佳.

基于双向D^(*)算法的履带机器人路径规划

传统的D^(*)算法在第一次规划路径时遍历节点和路径的拐点较多,不适用于机器人实体移动,为了让履带机器人可以在部分已知的环境下自主移动,提出了改进双向D^(*)算法,通过元胞自动机中的扩展Moore型邻居结构降低角度变化的最小增量,避免履带底盘无效转向带来的成本;针对其收敛速度较慢的现象,融合双向搜索规则来减少算法的搜索时间,使得机器人较原D^(*)算法规划路径更加快速,避障更加高效;最后利用二阶贝塞尔曲线方程优化路径,使得路径无明显拐点。仿真结果表明,在不同环境情况下的仿真实验中,改进后的D^(*)算法在规划时间上缩短了30%左右,搜索的元胞数量减少量近50%。并且该改进算法具有良好的安全性以及全局最优性。

基于改进快速搜索随机树法的机械手路径优化

针对多关节机械手路径优化问题,提出一种改进快速搜索随机树(Rapidly-exploring random trees,RRT)优化算法。利用标准RRT算法规划初始可行路径,根据路径长度与路径安全性计算出该路径代价。在后期搜索树生长过程中,中间目标点并非随机采样,而是选择能使当前路径代价低于其之前路径代价的节点,同时对该节点进行距离检测,避免产生过于密集的节点集。为加快搜索树向未知区域的扩充速度,从最近节点向中间目标点扩充过程中,采用一种贪婪启发式扩充算法:节点以一定步长循环扩充,直至扩充到达目标节点或产生不连通节点。最后对6自由度检修机械手进行路径规划仿真试验,结果表明相对于标准RRT算法,规划路径的质量得到大幅提高。

基于D^*Lite算法的三维路径规划研究

为实现三维地形环境下的路径规划,建立地面栅格高程地图,并对二维平面的D^*Lite算法进行扩展;在传统D^*Lite算法的代价函数中引入相邻节点间高程差,通过最大爬坡坡度和最大侧倾坡度限制路径扩展方向,同时设立爬坡因子和侧倾因子来平衡路径的长度与安全性,避免规划路径经过大坡度危险区域。在仿真环境中对相关参数进行整定,同时进行了路径的对比验证和遇到临时障碍物时的路径重规划测试,结果表明:该算法可以有效均衡三维地形下路径长度和安全性问题。