非完整约束移动机器人CRAB RRT轨迹规划

针对快速扩展树算法在多障碍环境搜索效率低、冗余节点多的问题,提出一种CRAB-RRT算法。该算法采用圆域概率偏向采样策略进行随机采样;将扩展树上节点分为2类,通过度量邻近点间对角线距离、历史路径成本和扩展角度的加权和,在有效邻近点集中选出高质量最近点;在新节点扩展中添加了目标引力分量,并根据环境障碍信息实现扩展步长自适应变化;经过对非完整约束移动机器人运动学模型的分析,提出了极限角约束,通过考虑受极限角约束的路径裁剪策略剔除冗余节点,利用三次B样条平滑方法平滑轨迹。通过数值仿真分析和实车实验,验证了CRAB-RRT算法的可行性、实用性与优越性,平滑后的路径更利于机器人跟踪,且适用于多障碍环境。