基于多策略融合的改进RRT路径规划算法

针对传统快速扩展随机树(RRT)及其衍生算法在路径规划时生成路径效率较低、无效探索点较多等问题,提出一种多策略融合的改进RRT算法。首先利用启发式选择策略确定最合适的扩展节点,然后结合基于目标偏置的自适应动态步长策略,使随机树始终向目标点区域扩展,最后通过垂距断点预优化的跳点连线策略去除冗余点,生成一条没有较大转折角的最短安全路径。通过不同复杂程度的仿真实验和现实环境实验对该算法进行测试。结果表明,与RRT、RRT*和Bi-RRT*算法相比,本文算法在时间消耗上分别减少了大约80%、50%和60%,在路径节点数上分别减少了大约65%、40%和35%。机器人依据该算法可以高效生成一条无碰撞,仅包含起始点、目标点和非突兀转折点的最优路径。

基于改进RRT算法的冗余机械臂路径规划研究

针对RRT算法在机械臂路径规划的过程中无方向性,在无障碍物处产生过多无用节点的问题,采用目标偏置、双向分段搜索的策略对RRT算法进行改进,提出了具有导向性的双向分段搜索的改进RRT算法并应用于七自由度冗余机械臂的路径规划上,通过Matlab进行了三维环境路径规划仿真实验,并通过ROS平台进行冗余机械臂在简单环境与狭窄环境的避障仿真实验。实验结果表明,改进的RRT算法能够有效地减少路径的节点数量与搜索时间,并提高路径规划的成功率。

一种双向目标RRT路径规划算法研究

鉴于双向快速搜索随机树算法在复杂环境路径规划中存在目标导向性低、路径冗长且曲折的问题,提出了一种双向目标RRT融合Dijkstra算法,其先采用目标约束采样和偏置扩展策略,提高采样的目标导向性;再融合Dijkstra算法去除双向目标RRT可行路径中的冗余点,获取最短路径;最后对优化路径进行平滑处理,得到一条最优可行路径。在随机障碍物、狭窄障碍物和迷宫障碍物三种情境下对双向目标RRT融合Dijkstra进行数例实验,结果表明融合改进后的B-RRT算法相较于传统的B-RRT算法,节点利用率提高1倍,扩展节点减少49%,搜索时间缩短33%,路径缩短7.9%。

基于改进RRT^(*)算法的无人船路径规划

为优化无人船的路径规划问题,加快路径规划速度,缩短船舶航行路径,提出一种基于改进RRT^(*)的路径规划算法。首先放大目标点,将目标点问题转化为目标区域问题,随后根据目标点位置进行目标偏置扩展。当计算出初始可行路径后,基于初始路径重新生成采样区域,之后在重新生成的区域内进行后续采样,在得到最终可行路径后采用剪枝和3次B样条插值的方法进行优化,平滑路径,使其更符合船舶航行路线,最后通过Pycharm进行仿真验证。试验结果表明改进的RRT*算法比原有RRT^(*)算法收敛时间更快且路径更短。

基于改进RRT算法的机械臂避障路径规划

基本的RRT算法(快速扩展随机树)具有随机性、缺乏方向性、生成路径时间长,运行效率低等不足,在此基础上提出了一种基于改进RRT路径规划的算法。首先在随机采样扩展时加入目标偏置策略,使随机树的生长方向朝着目标点趋向,增强了采样的目标导向性;然后采用节点拒绝策略和可变步长策略,增强了算法的收敛速度和机械臂的避障效果;最后通过使用贪心算法删除一些冗余节点,简化避障路径,并采用三次B样条曲线对生成的路径进行平滑性处理,进一步优化路径长度。将改进后的RRT算法同标准RRT算法、RRT-Connect算法在不同环境地图下进行仿真实验,对比得到的实验结果,表明了改进后的RRT算法在规划时间、节点数、路径长度等方面都得到了提升,验证了改进方案可行性与优越性。

基于改进RRT的关节机械臂路径规划

针对传统的快速随机扩展树(RRT)全局规划算法在搜索路径时间长,最终路径不平滑等问题,提出了一种基于目标导向和冗余检测的搜索算法。改进的算法采用生成的随机点更加偏向于目标点,避免产生更多不必要的随机树,再通过冗余检测,剔除不必要的节点。使用B样条曲线平滑路径,让机械臂可以快速、准确且平稳地沿着最佳路径运动到达目标点。仿真表明,目标导向处理后平均时间减少44%,冗余检测处理后平均距离缩短18.5%。

移动机器人导航路径的Halton采样-先验RRT^(*)规划

针对RRT^(*)算法在路径规划中存在的效率低、节点冗余、路径不平滑等问题,提出了基于Halton采样-先验RRT^(*)算法的机器人路径规划方法。对障碍物进行膨化处理,并给出了机器人的碰撞检测方法。对RRT^(*)算法原理及存在问题进行了分析,基于先验信息给出了节点扩展的目标偏置策略,有效降低了扩展盲目性和随机性;基于Halton采样方法给出了候选点集策略,并建立了从点集中选择最优采样点的评价函数;最后通过剪枝和三次B样条曲线剪除了多余节点,并平滑了路径。经2维和3维仿真验证可知,与标准RRT^(*)、文献[12]改进RRT^(*)规划路径相比,Halton采样-先验RRT^(*)路径长度最小、规划耗时最少、扩展的节点也最少。实验结果表明,Halton采样-先验RRT^(*)算法有效提高了路径规划效率、减少了路径长度。

基于自适应目标偏置系数的机械臂路径规划算法

针对快速搜索随机树(RRT)算法因其随机特性导致的运行时间过长和计算结果往往不是最优解的问题,在RRT算法及其改进算法的基础上,课题组提出了一种基于自适应目标偏置系数的机械臂路径规划算法,并将该算法应用到医疗设备无影灯的使用中。首先,用D-H参数法对6自由度机械臂进行运动学描述和正运动学求解,得到末端的运动状态和位姿;然后,综合RRT算法及其改进算法的优点拓展新节点和重置父节点,并引入自适应目标偏置系数,再对路径作剪枝后处理。对比实验结果显示:该方法在保证算法搜索效率的基础上,有效地提高了路径质量。基于ROS的仿真平台验证了该方法具有实用性和可行性。