基于警戒机制的RRT无碰撞双路径规划算法

针对双臂机器人或双机械臂的路径规划问题,提出一种双路径快速扩展随机树(DP-RRT)算法。基于传统的快速扩展随机树(RRT)算法,设计了一种警戒机制,使同时生长的两个随机树能够时刻相互感知,且互为动态障碍来规避彼此;采用交替生长策略改进生长过程,来避免相互间可能出现的无序碰撞、路径交叉和生长抑制等问题,并引入非均匀B样条曲线来平滑路径,以减小机械臂运动产生的冲击。仿真结果表明,与两次应用RRT算法相比,各种环境的规划成功率都有所提升,尤其在10 mm大步长条件下,4种环境的搜索成功率分别提升了10%、31%、65%、84%,平均总路径减少10.8%。总之,DP-RRT算法在搜索成功率,计算时间和路径质量上都比与传统两次应用RRT算法的方案表现得更好。

基于RRT森林算法的高层消防多无人机室内协同路径规划

在多无人机(Multi-unmanned aerial vehicles,Multi-UAVs)协同执行高层消防救援任务的场景中,室内复杂火场环境下路径规划是亟待解决难题之一.针对快速搜索随机树算法(Rapidly-exploring random tree,RRT)搜索区域受限、耗时较长、结果可行性差等问题,提出RRT森林算法.通过随机选取根节点、生成随机树、连接合并随机树,使高层消防多无人机在复杂室内环境下协同路径规划效率显著提高.此外,采用两次动态规划(Dynamic programming,DP)以及改进障碍物接近检测方法,进一步提高路径的可行性.最终,通过仿真验证算法的有效性.

DP⁃B样条移动机器人路径光滑算法

针对快速扩展随机树算法(RRT)产生的路径冗余点过多与路径转折点较多的问题,提出了一种基于Douglas⁃Peucker算法及B样条函数的路径光滑算法。首先,利用Douglas⁃Peucker(DP)算法从RRT算法产生的路径节点中提取出若干节点作为关键路标;然后,采用B样条函数拟合关键路标,得到一条曲率连续的光滑路径,实现规划路径的光滑化。通过在不同环境中进行实验和与其他路径光滑算法实验进行对比,结果表明,该算法能够明显缩短优化路径的路径长度,明显减少优化路径转折次数,大幅度提升优化路径的光滑度,有利于减少机器人在单次航程中的能量消耗,完成更多任务,有效提升机器人的工作效率。