改进RRT算法的采摘机械臂路径规划

针对采用传统的快速随机扩展树(RRT)算法的采摘机械臂在果园工作环境中搜索路径时间长,最终路径不平滑、拐点多等问题,提出了一种改进的RRT避障算法。改进的算法采用高斯采样策略,减少了采样的随机性,避免产生更多不必要的随机树,增加规划的导向性;再添加A*代价函数去除路径的冗余点,最后使用贪婪算法简化路径,减少拐点,让机械臂可以快速、准确、平稳地沿着最佳路径运动到目标点。仿真表明,改进后的算法有效地减少了路径规划的时间,缩短了路径长度,具有良好的可行性和有效性。

基于二次转角约束的改进RRT路径规划算法研究

针对快速随机搜索树(RRT)算法存在节点扩展冗余、生成路径不满足车辆转角条件等问题,提出一种改进的二次转角约束RRT算法。首先,在传统RRT算法基础上对采样空间进行裁剪,引入目标导向策略减少采样时间;然后采用车辆膨胀处理和直线方法检测障碍物,并引入第一次转角约束得到粗解路径;接着对粗解路径建立二次转角约束并进行优化处理,获取优化路径后拟合,并进行仿真验证。结果表明,相比于引入目标导向策略的RRT算法,所提出的算法路径最大曲率降低了34.33%,平均曲率降低47.36%,扩展节点数降低47.62%,路径距离降低7.76%,规划时间缩短14.98%。

基于BRS-RRT^(*)算法的移动机器人路径规划

针对Informed-RRT^(*)算法在路径规划中收敛速度低、目标性差且所得轨迹不平滑的局限性,提出一种面向目标的区域采样双向RRT^(*)算法。首先,引入双向贪婪搜索策略获得采样点,加快算法搜索速度的同时改变随机树的扩展规则,增强其目标导向性;其次,得到初始解后,于轨迹节点附近展开形成启发式采样区域,在该区域内通过节点重构策略不断迭代,优化路径长度;最后,采用中间点插值和三次样条曲线相结合的方法,完成对路径的平滑处理。仿真实验表明,改进算法能够在不同环境地图中以更短的运行时间生成节点数更少、代价更小、更为平滑的路径。

应用于无人机全局航迹规划的改进双向RRTs算法

针对无人机复杂环境下的全局航迹规划问题,将人工势场法与双向RRTs(Rapidly-exploring random trees)算法结合,提出一种改进双向RRTs算法。首先,目标偏置策略引导采样点以一定概率顺着目标点生成,同时随机树新节点受到障碍物斥力和目标点引力的合力影响有效避开障碍物生长,提高航迹搜寻效率,其次对随机树的节点扩展考虑了无人机飞行性能约束条件,最后采用3阶贝塞尔函数进一步航迹优化。仿真结果表明:二维和三维复杂环境中改进双向RRTs算法相比传统RRT、双向RRTs算法航迹搜索耗时减少了71.3%、24.7%和41.0%、18.6%,验证了改进算法全局搜索能力的快速性和有效性,能很好的应用于无人机离线全局航迹规划场合。

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。

改进RRT-Connect与DWA算法的巡检机器人路径规划研究

针对传统RRT-Connect算法在密集复杂环境中路径规划效率低、动态避障效果差等问题,提出一种改进RRT-Connect与DWA融合算法。该算法通过改进采样策略、动态步长优化和碰撞检测引导随机树生长;在随机树中采用贪心策略和角度约束优化路径。基于巡检机器人建立运动学模型,通过速度采样空间生成轨迹簇;建立模糊逻辑系统自适应调整DWA算法评价函数的权重系数,将全局最优路径点融入DWA算法中实现全局最优路径和实时避障。仿真结果表明,在油气站场密集复杂环境中,改进RRT-Connect算法较传统算法路径缩短约27.09%,平滑度提高约84.6%,碰撞距离提高约18.75%;改进融合算法路径减少约2.97%,平滑度提高约78.8%,碰撞距离提高约30.6%,验证了提出算法的有效性。

基于改进Informed-RRT^(*)算法的舰载机甲板平面路径规划

针对舰载机甲板路径规划问题,在Informed-RRT^(*)(informed rapidly-exploring random tree)的椭圆采样基础上,提出使用正态分布方式采样的IN-RRT^(*)(informed normal-RRT^(*))算法。首先,针对舰载机与运动场景建模,定义舰载机运动约束和避障策略;其次,将正态分布采样策略与椭圆采样相结合,获取优质高效采样点;引入人工势场法,自适应调节随机树的搜索步长值;使用向心Catmull-Rom样条插值法对路径进行平滑优化处理;提出针对动态障碍改进的动态窗口法,实现局部动态避障。最后,运用甲板平面环境实验检验算法性能。结果表明,IN-RRT^(*)算法能显著优化搜索时间和搜索路径质量,可应对动态场景规划出合理可行的平滑路径。

基于改进RRT-Connect算法的全局路径规划

针对RRT-Connect算法在复杂环境内的路径规划中存在探索性弱、收敛速度慢、冗余节点多、搜索路径较长等问题,提出一种改进的RRT-Connect算法。通过引入高质量随机点和动态步长的方法,提高了生成随机树的质量并减少了冗余节点数量;采用正向寻优和逆向贪婪的方式,改善了搜索路径较长的问题。实验结果表明,改进RRT-Connect算法平均路径规划时间缩短26.41%,平均路径规划长度缩短19.05%,平均路径规划节点个数减少41.91%,证明了改进RRT-Connect算法相比于原算法规划效率更高,规划时间更少,规划路径质量更优。

基于人工势场算法和RRT算法的多无人机路径规划

为了解决在城市和山区复杂环境中的多无人机任务分配及路径规划问题,提出了一种基于人工势场算法和RRT融合算法的多无人机协同路径规划方法。基于人工势场算法基础优化斥力函数,加入机间斥力因子,实现了协同避撞。引入RRT算法进行拓展搜索,解决了无人机陷入局部极值点时单一人工势场算法目标不可达的问题。通过三维路径规划仿真实验和算法对比实验验证该方法的可行性,结果表明,融合路径规划算法可以在约束条件下找到全局最优路径。

复杂环境下基于改进Informed RRT*的无人机路径规划算法

针对无人机在复杂环境中进行路径规划时,快速搜索随机树(RRT)算法易出现规划时间长、路径冗余、狭窄空间中易陷入局部约束导致规划失败的问题,提出一种改进的Informed RRT*算法.首先,引入人工势场法使采样点按照势场下降的方式向目标点移动,以提高RRT树扩展的目的性和方向性.然后,考虑随机树在扩展过程中全局环境的复杂度,引入自适应步长调整策略以增加随机树在无障碍环境下的扩展速度,并在随机树扩展的过程中加入相关约束条件以确保生成路径的可行性.在找到第一条可达路径后,采用变化的椭圆或椭球采样域限制采样点选取和自适应步长的扩展范围,加快算法收敛到渐进最优的速度.最后,在复杂二维和三维环境下进行传统算法和改进算法的对比实验,仿真分析表明:改进算法可以在很少的迭代次数下找到更优的初始路径,更快地锁定椭圆或椭球采样域,从而给路径优化留出更多时间,算法规划效果更好.

融合RRT^(*)与DWA算法的移动机器人动态路径规划

为实现移动机器人在复杂动态障碍物环境中的避障,提出一种改进的快速随机扩展树(rapidly-exploring random tree,RRT^(*))与动态窗口法(dynamic window approach,DWA)相融合的动态路径规划方法。基于已知环境信息,利用改进RRT^(*)算法生成全局最优安全路径。通过消除RRT^(*)算法产生的危险节点,来确保全局路径的安全性;使用贪婪算法去除路径中的冗余节点,以缩短全局路径的长度。利用DWA算法跟踪改进RRT^(*)算法规划的最优路径。当全局路径上出现静态障碍物时,通过二次调整DWA算法评价函数的权重来避开障碍物并及时回归原路线;当环境中出现移动障碍物时,通过提前检测危险距离并转向加速的方式安全驶离该区域。仿真结果表明:该算法在复杂动态环境中运行时间短、路径成本小,与障碍物始终保持安全距离,确保在安全避开动态障碍物的同时,跟踪最优路径。

基于多约束的改进RRT*算法三维全局路径规划研究

针对快速搜索随机树*(RRT*)算法在三维状态空间寻找次优路径过程中收敛速度慢、规划的路径无法满足欠驱动水下无人潜航器实际航行约束等问题,建立考虑多约束的RRT*算法的改进算法。对于寻优过程速度慢的缺陷,改进算法通过增加随机树节点的概率引导措施,加大树扩展过程的目标趋向性,减少树节点随机拓展带来的冗余计算,从而加快随机树寻优的收敛过程;对于无人潜航器航行约束问题,利用潜航器的俯仰以及偏航角度约束结合原算法中的欧几里得距离进行节点间“伪距离”价值函数构建,从而使得规划路径进一步满足欠驱动水下无人潜航器的运动规律。经过Matlab仿真,在三维空间中相同迭代次数条件下,改进算法相比于传统的RRT*算法能够显著提高最优路径寻优的收敛速度,规划路径在俯仰和偏航角度变化符合水下无人潜航器的运动约束。

基于CL-RRT与MPC的舰载机牵引系统路径规划

针对舰载机在甲板狭小、复杂环境下的调运过程,结合闭环快速随机搜索树(close loop rapidly exploring random trees,CL-RRT)和模型预测控制(model predictive control,MPC)提出一种舰载机牵引系统的路径规划算法。首先,在CL-RRT中采用纯追踪器与线性二次型(linear quadratic,LQ)控制器得到系统的控制输入并向前仿真得到规划路径。其次,将已得路径进行等比缩放与插值作为MPC的初始解。最后,设置MPC的目标函数等并解得最终路径。展开自定义三个场景下的仿真实验,通过与CL-RRT算法的实验结果进行比较,验证本文算法的优越性。实验结果表明,所提算法可有效解决因采样随机性带来解质量不佳的问题,提升舰载机在甲板上的调运效率与安全性。

超冗余柔性臂在狭小空间内改进RRT算法轨迹规划

为清理变电站联排变压器狭小空间内的异物,设计了一种超冗余多关节机械臂;根据机械臂的运动学特性在机器人工具箱建立了运动学模型,利用正运动学分析了万向节角度和驱动绳长,并利用蒙特卡洛法建立了机器人的工作空间;为缩短轨迹路线、减少随机树点数目,提出了基于改进后的RRT算法的轨迹规划方法,利用贪心算法进行轨迹优化,仿真结果显示路径长度减少20%且规划时间提高60%;利用多阶贝塞尔曲线进行轨迹平滑,降低轨迹路线曲率;改进后的RRT算法可以有效避障,且轨迹更为精确、曲率较小、处理速度更快,可以快速有效地完成异物清理工作。

基于RSS_GN RRT算法的狭长空间路径规划

针对RRT算法在狭长空间中存在的收敛速度慢及规划路径不平滑的问题,提出了一种RSS_GN RRT算法。为了提升算法的收敛速度,提出了引导节点导向策略与分区域采样策略,极大地减少了算法对无效区域的搜索;其次,算法引入了采样角度约束策略来提高规划路径的质量,并采用父节点拓展选择的方法有效解决了由角度约束引起的迭代次数增加的问题。此外,算法可根据感知信息进行地图地动态重构并规划避障路径,提高了算法在低速动态环境中的适应性。仿真结果显示,在狭长通道环境中,RSS_GN RRT算法在规划路径的耗时上比RRT、Goal_bias RRT、角度约束下的RRT、Informed RRT*及DR-RRT算法分别减少了77.3%,51.9%,84.7%,98.8%和60.3%。在迭代次数上,相比于上述算法,分别减少了95.9%,92%,98.3%,98.3%和89.5%。路径的平均曲率也分别降低了94.1%,93.2%,88.7%,91%和92.9%。仿真结果证明了RSS_GN RRT算法在提升规划速度和改善路径质量方面具有显著优势。同时,本文采用了阿克曼模型的小车实测了算法的局部避障能力。经测试,小车可对行驶途中出现的障碍物进行合理避让。

石化场站移动机器人RRT算法路径规划方法

广域石化场站环境具有障碍多、路况复杂、高度受限等多重干扰,不利于移动机器人的日常探测及应急救援。为了保证移动机器人在石化场站各种复杂地形下的正常工作,针对当前移动机器人的快速扩展随机树(rapidly-exploring random tree,RRT)算法及RRT*算法和Informed RRT*算法的原理,对比分析了用于移动机器人复杂石化场站环境路径规划的不同特征,并通过Pycharm仿真对比了几种算法各自的优缺点,为其进一步应用提供理论支撑。经仿真对比实验表明,Informed RRT*算法在复杂环境中表现出优越性。

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。

基于逆向重布线改进RRT-Connect算法的机械臂路径规划

为解决RRT-Connect算法在复杂非结构环境下规划出的路径成本较长、有效节点数过多、曲折不平滑等问题,提出了一种基于逆向重布线的改进RRT-Connect算法(Improved-RRT-Connect).首先,在算法的起始位置加入碰撞检测函数,当起点和终点之间不存在障碍物时,能够快速生成一条路径;其次,通过对生成的路径采取逆向重布线的措施,对生成的路径中的节点进行重新筛选布线,达到缩短生成路径长度,减少有效节点数量的目的;最后,通过结合B样条曲线对生成的路径进行拟合处理,得到一条平滑连续的路径.通过Improved-RRT-Connect算法与RRT、RRT^(*)-Smart、RRT-Connect等算法的对比实验表明,在规划时间上,Improved-RRT-Connect算法比RRT、RRT^(*)-Smart算法减少了52.14%、98.53%,在路径成本上比RRT、RRT-Connect算法减少了19.39%、17.15%,阐明了提出的Improved-RRT-Connect算法的优越性.

基于改进RRT的清扫机器人全覆盖路径规划

针对钢筋轧制车间中大型非结构化环境下清扫机器人在全覆盖路径规划时所面临的算法运行成本高、避障性能差和区域覆盖率低等问题,提出了一种利用单元分解法分区覆盖和融合跳点搜索法的RRT区域转移的全覆盖路径规划算法。利用MCD(movement cell decomposition)算法实现自由区域覆盖,为了解决区域间路径规划时的避障问题,引入融合跳点搜索策略的RRT算法,通过增加节点扩展的导向性,使其更偏向目标区域进行搜索,并利用贪婪算法裁剪冗余点修正路径以及三次B样条曲线法平滑处理。通过仿真与实验验证了算法在不同环境下的可行性和有效性,相比于其他方法所规划的路径更短且大大降低了路径重复率,提高了机器人避障效率的同时实现了全区域路径覆盖。

AGS-RRT算法机械臂避障路径规划研究

为了解决障碍物环境下机械臂路径规划效率提升问题,这里提出了一种AGS-RRT(快速扩展随机树)算法。使用基于圆柱和球面包围盒碰撞检测模型建立机械臂和障碍物之间的碰撞检测机制,得到即时的机械手与障碍物之间最短距离。此外,这里优化了RRT算法的抽样过程,采用改进高斯约束抽样替代随机抽样,使得在采样过程中更接近障碍物之间的通道。该方法可以加速前向搜索速度。在节点扩展方面,采用了人工势场结合自适应步长的新节点约束策略。该方法充分利用了环境和节点信息,快速扩展到目标区域,减少了探索和碰撞区域的过度扩展。针对复杂、多障碍和动态环境下的路径规划平滑问题,这里采用了基于B-Spline曲线的平滑函数,利用笛卡尔空间生成树对局部路径进行重规划,修剪优化后的路径更加平滑。通过仿真实验,验证了AGS-RRT算法的有效性,证明了该方法在提高规划效率的同时具备良好的避障性能。