基于多次采样启发式策略的改进RRT路径规划算法

在路径规划领域,快速探索随机树(RRT)算法是机械臂解决复杂环境中的路径规划问题的重要工具,然而其纯随机的采样环节导致大量的无效或低效尝试,浪费了计算资源;为解决此问题,提出一种基于多次采样启发式策略的改进RRT算法(MH-RRT);利用启发式函数评估多个采样点的代价值,选择代价值最低的采样点,引导路径树更快地向目标点生长;将启发式函数策略类似地有效改进了RRT*算法和双向RRT*算法;深入探讨不同参数对改进算法性能的影响,并确定最优参数组合;实验结果表明,改进算法在路径搜索时间、路径长度以及采样点数量等方面均能取得显著提升,提高了路径规划的有效性。

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。

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。

基于改进RRT^(*)算法的无人艇路径规划快速求解算法

针对快速扩展随机树(RRT)算法在无人艇路径规划工作中目的性较弱的问题,提出一种改进的无人艇路径规划快速求解算法。对人工势场法进行改进,额外添加4个方向的受力分析,综合计算无人艇所受合力;重新定义转向角度的计算方法,避免其进入局部最优陷阱,使其可以顺利抵达目标点,得到一条初始路径;利用该初始路径来设定快速扩展随机树算法的随机点采样区域,通过降低随机采样点生成在无价值区域的概率,以提高算法的目的性和时效性,得到二次规划路径;对二次规划路径进行冗余点去除操作,减少路径节点的同时可以进一步降低路径代价,得到最终的规划路径。实验结果表明:改进算法在取得相近代价的路径时,运行时间最多降低了84.14%,采样点数量最多减少了70.09%,算法质量更好,运行效率更高。

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%。

目标区域引导的RRT^(*)机械臂路径规划算法

针对传统RRT^(*)算法在机械臂路径规划的过程中存在规划效率低、路径质量不佳、机械臂位姿不当等问题,提出一种目标区域引导的RRT^(*)机械臂路径规划算法(TA-RRT^(*))。在传统RRT^(*)算法基础上,引入目标偏向策略并使用球形子集约束采样,缩小采样范围并使新节点朝向目标点扩展,增强目标导向性;对新节点采用直连策略,让算法可以更快地收敛从而提升路径生成速度。对初始规划路径去除冗余点并使用三次B样条曲线转换成平滑路径,优化了路径质量。对机械臂进行位姿约束,通过机械臂逆运动学判断机械臂连杆位姿可达性,并利用包络盒模型判断机械臂是否与障碍物碰撞。实验结果表明,在二维以及三维场景下,TA-RRT^(*)算法在采样次数、规划时间、路径长度以及平滑度等方面的性能均优于RRT^(*)算法,验证了该方法的正确性及可行性。机械臂仿真实验以及在真实环境下的测试结果显示,加入位姿约束后机械臂运行规划好的轨迹时,机械臂各个关节在运行规划路径的过程中并未与障碍物发生碰撞且具有良好的稳定性。

基于RRT算法的远距离自动泊车路径规划及仿真

泊车路径规划是自动泊车技术的重要组成部分。本文分析了现有的泊车路径规划方法,针对远距离自动泊车,提出基于BRT算法的路径规划。根据实际泊车操作过程,将自动泊车划分为远距离靠近泊位和泊入泊位两个阶段,采用基于反向RRT算法分别设计满足车辆运动模型和避障要求的路径规划算法,并在平行泊车、垂直泊车、反向斜方位泊车、正向斜方位泊车和角落平行泊车场景下进行仿真实验。

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。

基于改进APF-Informed-RRT^(*)的机械臂避障路径规划

针对Informed-RRT^(*)算法在避障路径规划中缺乏目的性和方向性,存在规划时间长、迭代效率低等问题,提出了结合人工势场法和Informed-RRT^(*)算法的避障规划算法。首先,针对传统人工势场法存在目标点不可达、易与障碍物碰撞的问题,提出了改进后的人工势场法,并将其融入Informed-RRT^(*)算法中,使随机树沿势场下降的方向生长,增强其方向性;其次,依据随机树与障碍物间的距离,提出了一种自适应生长步长策略,提高了对空间的探索能力;最后,引入贪心算法的思想,在生长时直接判断随机树能否直达目标点,提高了路径规划效率。在二维和三维环境下对改进后的算法与传统算法及其衍生算法进行对比实验,仿真结果表明改进后的Informed-RRT^(*)算法相较于原始算法规划的路径长度和规划耗时分别减少了17.42%和36.21%。

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。

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.

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RRT*算法和DWA算法的分层结构路径规划策略

为优化复杂动态环境下路径规划问题,提高路径搜索效率,缩短路径规划时间,提出一种基于改进RRT*算法和DWA算法的分层结构路径规划策略;该路径规划分层结构由全局路径规划层和局部路径规划层组成,全局路径规划层根据已知静态障碍物信息利用改进RRT*算法进行全局路径规划;当路径中出现未知动态障碍物时,根据规划策略将启用局部路径规划层,基于获取的动态障碍物信息,利用DWA算法进行局部路径规划;最终通过全局与局部路径规划策略相结合得到最终的可行路径;仿真实验结果表明:文章提出的分层结构路径规划策略在复杂动态环境中可以高效地完成路径规划任务。

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。

改进RRT^(*)-APF-DP融合算法的机械臂路径规划

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.

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。

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.

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。