改进Bi-RRT*算法的自动泊车路径规划

针对双向快速搜索随机树算法(Bi-RRT*)生成的泊车路径不满足车辆运动学约束、路径曲折和收敛速度慢等问题,提出了一种改进Bi-RRT*算法。基于车辆碰撞检测模型,对障碍物进行膨胀处理,确保为车辆留出安全的泊车距离;采用Reeds-Shepp(RS)曲线对节点进行扩展,使路径连接满足车辆运动学约束;为了提高算法的搜索效率和采样成功率,引入了避障和径向约束采样策略;对路径节点进行均匀插值,利用基于起点的RRT*树对冗余路径进行剔除,实现路径平滑优化。仿真结果表明,与原始Bi-RRT*算法相比,改进后的Bi-RRT*算法规划出的路径不仅满足避障要求和运动学约束,而且规划时间和路径质量更具有优越性。

融合改进Bi-RRT和DWA算法的无人机动态路径规划

为解决无人机在复杂环境中的避障问题,提出一种融合改进Bi-RRT和DWA的无人机动态路径规划算法。通过设置启发式函数、动态步长和安全距离改进Bi-RRT算法,提升全局路径的搜索效率和安全性;之后,修剪路径中的冗余路段并对修剪后的路径进行插值与平滑操作获得全局最优路径;对DWA修正障碍物距离评价函数并引入目标点距离评价函数,提升局部预测轨迹评分的准确性;然后,实时输出速度指令控制无人机跟踪全局最优路径并实现局部动态避障。仿真实验表明,改进Bi-RRT算法生成的路径更短更平滑、安全性更高且规划时间更少;在同时存在动、静态障碍物的复杂环境中,所提融合算法能控制无人机精准地跟踪全局最优路径并高效地完成局部动态避障。

基于Bi-RRT和TEB算法的风电水域多目标点路径规划

针对运维船舶需要依次抵达多个待运维机组处开展风机维护工作,提出一种在风电水域进行多目标点自主路径规划的方法。采用改进Bi-RRT算法进行全局路径规划,TEB算法用于局部路径规划,融合两种算法完成多目标点自主路径规划。引入基于均匀概率的分配机制对Bi-RRT进行改进以减少冗余搜索空间;采用对立扩展树新节点导向策略以增强采样过程中的导向性;通过路径平滑处理,进一步优化路径。利用改进后算法进行仿真实验,与改进前算法进行对比得到:改进后算法迭代次数减少50.4%,求解时间减少11.7%,路径长度缩短30.5%。另外,在ROS仿真平台中搭建合理的仿真环境,结果表明,在同样的地图环境中,改进的Bi-RRT与TEB融合算法较A*算法得到路径更为优越可靠,同时,设定多任务点验证了所提算法进行多目标点路径规划的有效性和可行性。

基于改进Bi-RRT与动态窗口法的机器人动态路径规划

针对应用双向快速扩展随机树(Bi-RRT)算法进行复杂环境路径规划时,存在采样效率低、冗余节点以及无法实时避障等问题提出一种将改进Bi-RRT与改进动态窗口法(DWA)融合的算法。算法采用双向自适应扩展策略,加快收敛速度以及提高采样效率。引入基于A-算法的节点最优选择及路径优化策略,提高目标导向性和缩短路径长度。改进DWA算法中的评价函数,把全局偏航角与全局路径距离加入评估函数,对轨迹方向的评价更加多样化,实现机器人高效动态避障。融合改进Bi-RRT与改进DWA算法,在Matlab与ROS平台进行实验仿真,结果表明,所提融合算法规划路径短、效率高且能有效避开未知障碍物。

基于改进BI-RRT算法的AGV路径规划

针对双向快速扩展随机树(BI-RRT)算法在路径规划中存在收敛速度慢、路径绕远、转折点多等问题,提出一种改进的BI-RRT算法。首先引入可变权重系数实现目标导向的同时又能较快的避开障碍物;然后对生成路径作基于障碍物判断策略的剪枝优化;最后用三次B样条曲线进行平滑处理,并提出“优化域”概念解决路径碰撞障碍物问题。仿真结果表明,本文改进后的算法收敛速度更快、路径更加平滑、长度减少。

非均匀步长的同步Bi-RRT-DWA算法

为解决传统快速搜索随机树(RRT)算法在航迹规划中搜索效率较低、转折点过多且规划的路径未考虑无人机的动力学约束等问题,提出一种非均匀步长的同步Bi-RRT-DWA算法。该算法在传统RRT算法基础上设计了一种非均匀步长的同步双向扩展策略,减少算法无效扩展;设计剪枝优化方法,减少无效转折点;优化动态窗口法中的评价函数,提高安全性和平滑度。最后,通过仿真实验将非均匀步长的同步Bi-RRT-DWA算法与RRT算法进行对比,在同一工作环境不同起终点条件下,搜索路径长度减少了23.3%,搜索路径转折点个数减少了77.4%,验证了算法在规划效率、安全性和路径平滑性等方面有很大提升。

基于改进Bi-RRT算法的移动机器人路径规划

针对道路狭窄、障碍物较多等复杂环境下快速探索随机树*(RRT*)算法出现的随机性大、效率低、收敛速度慢和路径曲折等问题,结合一种改进碰撞检测机制的RRT*算法,提出了一种改进Bi-RRT*算法。该算法首先在动态目标区域进行节点采样,缩短算法执行时间;再通过目标偏向策略扩展树节点,降低树生长的随机性;然后采用双向树生长策略,提高算法收敛速度;最后删除路径冗余节点,增加路径平滑度和降低算法对内存的需求。在仿真环境下进行实验,结果表明,改进Bi-RRT*算法降低了算法执行的随机性,减少了算法迭代次数,可以更快收敛到平滑的路径。

基于SMPA的半挂车自动泊车运动规划方法研究

半挂车辆的非稳定运动学特性为其泊车过程中自主运动规划带来严峻挑战。针对半挂车在多障碍物的静态场景中泊车运动规划算法效率低、结果平滑性差等问题,本文提出了序列式运动规划方法(sequential motion planning algorithm,SMPA)。首先,提出了基于二次规划策略和改进双向快速扩展随机树(bidirectional rapidly-exploring random tree algorithm,Bi-RRT)的初始路径生成方法。然后,结合车辆非完整微分约束下的路径节点可行性判别方法研究,提出基于概率的目标偏向采样策略,提高了采样效率。最后,构建了面向车辆系统控制变量连续性的非线性最优化控制模型,解决泊车换向点的对接问题,提高了泊车轨迹平滑性。仿真结果表明,该方法在多障碍物场景中,规划时间相比Hybrid A*和Bi-RRT分别降低了86.71%和21.44%,轨迹质量也更具优越性。

基于改进Bi-RRT的移动机器人路径规划算法

双向快速扩展随机树(Bi-RRT)算法因采样点的随机性导致在复杂环境中的路径规划存在搜索时间长、采样效率低等问题,为此提出了一种改进Bi-RRT的移动机器人路径规划算法;算法引入启发式搜索策略,分别以机器人的起点和终点为中心,构造了二维高斯分布函数,并用该概率密度函数约束采样点的生成,使得越接近目标点的空间采样点出现概率越大,同时保留部分均匀分布的采样点,这样采样过程既可以利用目标点的位置信息又保证了算法的概率完备性;通过算法设计的启发式采样点的引导,两棵随机树可以快速向着目标区域生长,降低了搜索的盲目性,提高了搜索的效率;仿真结果:相比于基本Bi-RRT算法,改进算法在复杂环境下规划时间缩短了43.9%,扩展节点数目减少了41.4%,路径长度优化了8.1%,并分析了高斯分布采样点占采样点总数的比值对算法性能的影响。

改进双向快速搜索随机树的无人艇路径规划

针对双向快速搜索随机树(bidirectional rapidly-exploring random tree, BI-RRT)算法在全局路径规划时存在搜索效率低、路径拐点较多等问题,提出一种改进BI-RRT的水面无人艇(unmanned surface vehicle, USV)全局路径规划算法。该算法采取了极度贪心的思想、高斯偏置随机点采样方法以及启发式的节点扩展策略,同时对节点扩展和搜索树连接进行角度约束,将生成的路径进行剪枝和3次B样条优化处理。结果表明,相对于改进前,改进的BI-RRT在平均时间、随机采样点和平均路径上分别减少了40.5%、65.0%和24.0%。改进后的算法时间、采样点和搜索树扩展大幅度减少,路径平滑度提高且路径更短。

基于改进Bi-RRT的无人水面艇自动避碰算法

[目的]提出一种实现无人水面艇(USV)在高速航行时自动规避障碍物的方法。[方法]将双向搜索树(B i-RRT)算法与速度障碍法相结合,得到基于改进Bi-RRT的无人水面艇自动避碰算法。针对Bi-RRT算法扩展操作中父节点延伸方向位于锥形碰撞区内的情况,提出避碰危险度系数与障碍物排斥向量,使父节点延伸方向有远离障碍物中心的趋势。同时,针对算法实时性问题,提出两棵搜索树并行延伸扩展的方式,以及当父节点延伸方向位于锥形碰撞区外时触发的目标吸引向量,以加速算法收敛。[结果]结果显示,采用上述改进方法设计的算法搜索树延伸失败次数降低,规划的避碰路径短且更加平滑。[结论]该改进Bi-RRT算法实时性强、路径规划质量高,对实际工程应用有重要意义。

改进Bi-RRT算法的AGV全局路径规划

针对双向快速扩展随机树(Bidirectional Rapidly-Exploring Random Tree,Bi-RRT)算法中采样随机性大、路线贴合障碍物、生成路径存在大量冗余点等问题,提出了一种适用于自动导引运输车(Automatic Guided Vehicle,AGV)全局路径规划的改进Bi-RRT算法。该算法将基于概率p的目标偏向策略与A*算法中的代价估计思想结合起来,形成双重目标偏向策略以求得更优路径;在路径生成过程中加入安全距离判断机制,消除生成路径与障碍物贴合现象;此外,动态检测新节点与目标点的通路状态,减少不必要的随机采样过程;最后,利用遍历算法对所得路径进行后处理,滤除冗余点,使最终路径干净简洁。在MATLAB平台上对算法进行仿真实验,结果表明,改进算法相较于传统Bi-RRT,搜索时间更短,规划路径更优且可执行。

基于人工势场法引导的Bi-RRT的水面无人艇路径规划算法

为使水面无人艇(unmanned surface vehicle,USV)规划出实时性强、避障精准性高、平滑度优、航程短的路径,在双向快速扩展随机树(bidirectional rapidly-exploring random trees,Bi-RRT)算法的基础上,设计一种人工势场法(artificial potential field,APF)引导的Bi-RRT算法(简写为APF-Bi-RRT算法)。改进随机点采样机制,并在新节点生成时引入改进的势场函数,提高路径生成效率;考虑USV的操纵性能要求,在节点生成后引入转向角约束,避免出现大角度转向。分别设计简单、复杂和特殊3种环境下的路径规划实验方案,对比APF-Bi-RRT算法、Bi-RRT算法、APF和A*算法在规划时间、路径长度、最大转向角、节点数量等4个指标下的规划效果。实验结果证明:APF-Bi-RRT算法在提高搜索效率的同时能极大地减少路径长度和节点数量,提高路径平滑度;优化后的路径更适用于USV的跟踪控制,满足海上实际航行需求。

动态步长BI-RRT的无人机航迹规划算法

为解决传统RRT算法收敛速度慢、生成的航径距离过长等问题,提出动态步长BI-RRT算法。首先,采用引向目标的采样策略对空间进行探索以得到采样点,利用动态步长策略确定该采样点的增长步长以确定新节点;之后,通过树枝裁剪策略对新节点进行调整,当探索到目标节点时,算法返回初始航迹,对于初始航迹,应用贪心算法对航迹点进行筛选,以减少无人机(UAV)的无效节点与总航迹长度;最后,利用B样条进行平滑处理,得到一条可行航迹。搭建了二维和三维环境下的仿真地图模型,验证了该算法在保证无人机避障的基础上获得一条有效航迹。动态步长BI-RRT算法在无人机航迹规划方面不仅有实时性强、航迹光滑的优点,而且与分段优化RRT算法相比,在优化航迹节点个数的前提下,提高了收敛速度且降低了航迹距离。

Bi-RRT算法在装配序列生成中的应用

装配序列生成是计算机辅助工艺规划的重要环节。在VS2005环境下,对Pro/E进行了产品装配序列生成的二次开发,求出产品的拆卸序列,进一步求反获得产品的装配序列。首先,提取零件特征信息和空间位姿信息并在自动拆卸过程中对零件进行干涉检查,建立干涉表;然后,根据零件间干涉关系选择拆卸方向,生成可行的装配序列。在此基础上,对位置特殊、沿单一拆卸方向不能拆卸的零件采用Bi-RRT(双向快速扩展随机树)算法进行路径规划,实现复杂环境中零件的拆卸,并以实例论证了方法的有效性。

复杂场景下Baxter机器人的避碰运动规划

起始位形和目标状态不变的情况下,Baxter机器人运动规划器每次运行时的规划结果也可能不同。因此,文章将IKFAST分析方法和双向RRT运动规划算法相结合,旨在为Baxter机器人在复杂场景作业中快速规划一条无碰撞路径和轨迹。通过分析IKFAST分析方法的IK求解器与其他数值IK求解器(NR和MLA方法)在运动规划中的性能表现,证明了IKFAST分析方法可以有效提高运动规划性能。

基于改进Bi-RRT算法的机器鱼路径规划方法

为提高机器鱼的水下路径规划效率,更好地完成水下工作,提出一种基于改进双向快速搜索随机树(bidirectional rapidly-exploring random trees,Bi-RRT)算法的机器鱼路径规划方法。以研制的混合驱动机器鱼为研究对象,介绍其结构模型和运动控制模式,为后续试验验证提供物理样机。针对Bi-RRT算法存在的采样随机、路径冗余、效率不高等问题,融合生长引导机制和连接强化机制改进Bi-RRT算法,加入生长引导机制,改善随机树生长随机、两树连接慢的问题;加入连接强化机制提高算法搜索速度。对搜索路径进行优化处理,通过剔除冗余节点、插入优化节点,改善路径质量,对路径进行平滑处理,使路径更适合机器鱼航行,实现机器鱼路径规划任务。仿真结果表明,与传统Bi-RRT算法及其他衍生快速搜索随机树(rapidly-exploring random tree,RRT)算法相比,改进的Bi-RRT算法相较于改进前节点数减少约50.8%,路径长度缩短约19%,搜索时间减少约65.3%。

一种基于RRT-ConCon改进的路径规划算法

针对RRT算法缺乏稳定性和收敛速度慢的问题,基于RRT-ConCon算法和朝向目标搜索的策略,提出了一种改进的双向搜索路径规划算法.该算法通过改变两条搜索路径的临时扩展目标点,使搜索路径不仅易于朝着目标点方向生长,而且提高了算法的稳定性,同时可以保证规划的路径接近最优解.改进的RRT-ConCon算法利用随机节点生成函数,使朝着目标点生长的搜索路径避免陷入局部极小值.同时,为了测试各种仿真实验环境,还设计了一种仿真实验环境平台,实验结果验证了本算法的有效性和稳定性.

基于改进双向RRT的无人艇局部路径规划算法研究

以高速航行的无人艇迅速规划出较优的局部避障路径为目标,提出一种基于改进双向RRT的无人艇局部路径规划算法。针对传统双向RRT算法随机性过强,规划的路径往往曲折较多的问题,对每一个新延伸的节点施加转角约束。针对传统双向RRT算法两棵树经常不能平滑连接的问题,在主动连接点施加转角约束及距离约束。还提出了一种新的动态步长策略。仿真结果表明,用改进算法规划的路径质量更好,算法收敛时间更短。

基于改进双向RRT算法的机器人路径规划

针对双向快速搜索随机树(BI-RRT)算法在路径规划中存在目标导向性差、收敛速度慢、路径拐点多的问题,提出了一种改进BI-RRT算法。通过目标导向引导随机树更快朝向目标点生长,提高收敛速度。引入贪婪路径优化策略,有效减少路径拐点,提高了路径规划算法的效率。同时提出了一种圆盘碰撞检测的算法,并在多个场景中用Matlab平台进行了圆盘移动机器人的路径规划仿真实验,实验结果验证了所提出算法的可行性和有效性。