针对基本的快速拓展随机树算法(rapidly-exploring random tree,RRT^(*))存在搜索随机性大、效率低、路径非最优的缺点,提出一种引入人工势场法算法(artificial potential field method,APF)和Douglas-Peucker算法的改进RRT^(*)-APF-DP...针对基本的快速拓展随机树算法(rapidly-exploring random tree,RRT^(*))存在搜索随机性大、效率低、路径非最优的缺点,提出一种引入人工势场法算法(artificial potential field method,APF)和Douglas-Peucker算法的改进RRT^(*)-APF-DP路径规划算法.在RRT*算法的采样点生成阶段引入变采样范围偏置搜索与步长自适应调整策略,融合重新设计的APF算法的引力与斥力函数,增强路径扩展导向性与绕过障碍物能力.采用重采样策略改进DP算法,优化避障代价与控制点数量.实验结果表明,本算法规划的避障路径满足机械臂的运动要求,且算法规划的避障路径代价、规划时间和路径控制节点数均得到有效改善.展开更多
针对RRT(rapidly-exploring random tree)算法在进行机械臂路径规划过程中存在的拓展导向性差、冗余节点多、路径质量差等问题,提出了一种基于AGD-RRT(adaptive goal-directed RRT)的算法。首先,该算法构建了一种动态的目标偏向概率函数...针对RRT(rapidly-exploring random tree)算法在进行机械臂路径规划过程中存在的拓展导向性差、冗余节点多、路径质量差等问题,提出了一种基于AGD-RRT(adaptive goal-directed RRT)的算法。首先,该算法构建了一种动态的目标偏向概率函数,实时调整对目标点进行采样的概率以达到自适应目标导向的效果,减少了无用节点的生成,提高了收敛速度。其次,采用贪婪收敛策略,防止了随机树在目标周围时的盲目扩张。搜索结束后,采用节点剔除法剔除路径中的冗余节点,并用B样条曲线对轨迹进行平滑处理,提高了路径质量。然后在二维、三维环境中进行了对比仿真实验,验证了该算法的可行性与优越性。最后进行了样机实验,验证了所提算法在机械臂关节空间进行路径规划的可行性。展开更多
针对快速随机树(Rapidly-exploring Random Trees,RRT)算法在复杂环境下规划效率低的问题,提出一种基于RRT的机械臂路径规划改进算法。首先,在初始采样时应用角度约束采样策略限制采样区域,提升采样质量。然后,在扩展节点时融合人工势...针对快速随机树(Rapidly-exploring Random Trees,RRT)算法在复杂环境下规划效率低的问题,提出一种基于RRT的机械臂路径规划改进算法。首先,在初始采样时应用角度约束采样策略限制采样区域,提升采样质量。然后,在扩展节点时融合人工势场法的思想,设定动态步长加快算法的收敛,提升算法在障碍物空间的探索效率,当算法陷入局部极小值时,采用节点拒绝策略快速脱离。最后,将规划路径进行简化处理,并利用B样条曲线平滑拐点提高路径质量。仿真结果表明,改进算法相比传统RRT算法,扩展更具导向性,收敛速度更快,可以有效避免局部极小值。展开更多
文摘针对基本的快速拓展随机树算法(rapidly-exploring random tree,RRT^(*))存在搜索随机性大、效率低、路径非最优的缺点,提出一种引入人工势场法算法(artificial potential field method,APF)和Douglas-Peucker算法的改进RRT^(*)-APF-DP路径规划算法.在RRT*算法的采样点生成阶段引入变采样范围偏置搜索与步长自适应调整策略,融合重新设计的APF算法的引力与斥力函数,增强路径扩展导向性与绕过障碍物能力.采用重采样策略改进DP算法,优化避障代价与控制点数量.实验结果表明,本算法规划的避障路径满足机械臂的运动要求,且算法规划的避障路径代价、规划时间和路径控制节点数均得到有效改善.
文摘针对RRT(rapidly-exploring random tree)算法在进行机械臂路径规划过程中存在的拓展导向性差、冗余节点多、路径质量差等问题,提出了一种基于AGD-RRT(adaptive goal-directed RRT)的算法。首先,该算法构建了一种动态的目标偏向概率函数,实时调整对目标点进行采样的概率以达到自适应目标导向的效果,减少了无用节点的生成,提高了收敛速度。其次,采用贪婪收敛策略,防止了随机树在目标周围时的盲目扩张。搜索结束后,采用节点剔除法剔除路径中的冗余节点,并用B样条曲线对轨迹进行平滑处理,提高了路径质量。然后在二维、三维环境中进行了对比仿真实验,验证了该算法的可行性与优越性。最后进行了样机实验,验证了所提算法在机械臂关节空间进行路径规划的可行性。
文摘针对快速随机树(Rapidly-exploring Random Trees,RRT)算法在复杂环境下规划效率低的问题,提出一种基于RRT的机械臂路径规划改进算法。首先,在初始采样时应用角度约束采样策略限制采样区域,提升采样质量。然后,在扩展节点时融合人工势场法的思想,设定动态步长加快算法的收敛,提升算法在障碍物空间的探索效率,当算法陷入局部极小值时,采用节点拒绝策略快速脱离。最后,将规划路径进行简化处理,并利用B样条曲线平滑拐点提高路径质量。仿真结果表明,改进算法相比传统RRT算法,扩展更具导向性,收敛速度更快,可以有效避免局部极小值。