改进RRT在汽车避障局部路径规划中的应用

根据传统快速搜索随机树算法(rapidly random-exploring trees,简称RRT)搜索速度快、所需时间短,但随机性大以及约束不足等特点,建立了直道和弯道的期望路径模型,采用高斯分布描述随机采样点,并引入启发式搜索机制,改进RRT算法.与原算法仿真对比,结果表明:改进算法所规划的路径质量显著提高,规划时间缩短一倍.同时,在Prescan软件中搭建直道和弯道仿真场景,跟随规划路径,结果表明:改进后RRT算法所得路径具有很好的跟随效果,且侧向加速度在车辆稳定性要求范围内,说明采用改进后的RRT算法进行汽车局部路径规划可行实用.     

递相祖述复先谁——李退溪所捍卫的朱子义利说

根据传统快速搜索随机树算法(rapidly random-exploring trees,简称RRT)搜索速度快、所需时间短,但随机性大以及约束不足等特点,建立了直道和弯道的期望路径模型,采用高斯分布描述随机采样点,并引入启发式搜索机制,改进RRT算法.与原算法仿真对比,结果表明：改进算法所规划的路径质量显著提高,规划时间缩短一倍.同时,在Prescan软件中搭建直道和弯道仿真场景,跟随规划路径,结果表明：改进后RRT算法所得路径具有很好的跟随效果,且侧向加速度在车辆稳定性要求范围内,说明采用改进后的RRT算法进行汽车局部路径规划可行实用.     

机器人路径规划中快速扩展随机树算法的改进研究

针对基本快速扩展随机树(RRT)算法在路径规划中具有树的扩展随机性大、冗余节点多、容易在目标点周围发生振荡、规划的路径较长等问题，提出了一种改进的RRT算法。该算法首先采用目标偏向策略，通过引入动态权重系数使树尽可能地在向目标点进行扩展的同时又能够即时地避开障碍物；利用自适应扩展步长减少树在目标点附近的振荡；最后，对路径进行剪枝处理，并用三次B样条曲线对剪枝后的路径进行平滑处理。仿真分析的结果表明，与基本RRT算法相比，改进的RRT算法有效减少了冗余节点数，规划的路径更短，减少了19.56%,同时规划时间大大降低，减少了54.08%,有效地提高了路径规划的效率。     

基于一种改进RRT算法的足球机器人路径规划

针对足球机器人运用传统快速扩展随机树(RRT)算法进行路径规划时随机性大的问题,提出了一种目标引力式的RRT路径规划算法。该算法在RRT算法的基础上引入了一个目标引力函数,避免了扩展随机树向目标点以外的方向生长,改进了快速扩展随机树缺乏确定性的问题,提高了足球机器人在路径规划方面的效率。仿真实验结果表明,该算法能够得到最佳路径,同时可以有效提高路径的规划速度。     

基于多旋翼无人机的输气管道巡检路径规划研究

为了解决多旋翼无人机在工业输气管道巡检的过程中快速规避障碍物问题,提出了一种基于快速扩展随机树(Rapidly-exploring Random Tree, RRT)的改进算法,针对传统RRT算法的随机性高、收敛速度慢和规划路径长且曲折问题,结合空间环境特点在随机点采样方式和路径优化两个方面做出了改进。首先,设置随机采样点的取值范围;然后引入目标偏向采样策略对随机树的扩展方向进行引导;最后对生成的路径进行裁剪和平滑处理,并通过在不同的数字模拟地图中与传统RRT算法、带路径修正的启发式RRT算法进行仿真实验比较。实验结果表明:改进后的RRT算法在执行输气管道巡检任务时能够快速地生成一条路径短且平滑的避障路径。     

一种改进的双向快速搜索随机树算法

针对快速搜索随机树(RRT)算法随机性大、效率低的问题,提出了一种改进的双向RRT算法。该算法采用预生长机制,快速通过前期无障碍区域;以重要程度划分障碍物,减小势场计算规模,提高路径规划的避障效率;同时采用基于欧氏距离的筛选机制对随机点进行遴选,减少在低可能路径区域的生长。最后在仿真环境下进行实验,验证了所提算法的可行性和有效性。     

基于多优化快速扩展随机树算法的足球机器人路径规划

研究RoboCup比赛未知环境中足球机器人的路径规划问题。提出一种多优化设计快速扩展随机树(rapidly exploring random tree,RRT)的足球机器人路径规划算法,解决了足球机器人在路径规划中存在的速度慢、效果差的问题。依据基本RRT算法原理,针对其随机性强、收敛速度慢以及路径平滑效果差的缺点,提出了随机采样点处增加引力分量、多步扩展逼近目标点以及冗余节点的剪裁与路径平滑等优化方式。在不同障碍物地图中的仿真实验表明,优化的规划路径长度比基本快速扩展随机树算法所得路径缩短约20%～30%,采样点数量减少45%～65%。最终将优化算法移植到SimRobot仿真平台,结果表明多优化设计RRT算法在未知环境中具备良好的实时性和鲁棒性,能够满足机器人在赛场上的路径规划要求。     

基于改进快速扩展随机树算法的移动机器人路径规划

针对快速扩展随机树(RRT)算法为移动机器人规划的路径存在曲折冗长,且容易与障碍接触过近的问题,提出了一种改进的RRT算法;设计了新的临时目标点选取规则以及自适应步长调整策略;考虑到移动机器人的自身约束条件,设置了最小转弯半径和最小安全距离约束,并对规划出的路径进行平滑处理。仿真实验结果表明,改进的RRT算法能够有效地生成移动机器人的可行路径,与传统的RRT算法相比,在宽敞环境和狭窄环境中的平均路径长度分别减小了77.41和20.09,规划所得路径较为平滑,能够与障碍物保持一定的距离。     

基于模糊滚动RRT算法的移动机器人路径规划

研究了环境未知情况下的移动机器人路径规划问题,将快速扩展随机树(RRT)算法与基于滚动窗口的路径规划相结合,提出一种新的移动机器人路径规划算法,克服了RRT算法通常只能在已知环境中进行移动机器人路径规划的限制。规划时只考虑窗口环境地图,提高了RRT算法规划效率,保证了算法的实时性。针对RRT算法路径规划缺乏确定性的问题,结合人类经验及模糊控制理论,以概率来随机取点,并引入启发式估价函数,使随机树易于朝目标点方向生长。同时运用回归分析生成新节点,增强了算法搜索未知空间的能力,避免了可能产生的局部极小。最后仿真实验验证了该算法的有效性。     

连续卸船机取料装置换舱路径规划研究

为实现连续卸船机无人化、智能化作业，提出基于改进的快速扩展随机树(RRT)算法对连续卸船机取料装置的换舱路径进行避障路径规划.改进的RRT算法在双向快速扩展随机树(Bi-RRT)基础上，引入概率偏置因子并通过限制采样点范围来提高算法的收敛速度和搜索效率；通过对父节点的重新选择和重新布线操作，并采用粒子群算法对路径进行优化，从而提高规划出的路径质量；最后采用贝塞尔曲线对规划出的路径进行平滑处理，得到最终路径.连续卸船机取料装置的路径规划研究为实现连续卸船机全自动化作业提供了可能.     

基于改进RRT*FN的移动机器人路径规划算法

针对复杂环境下移动机器人的全局最优路径规划,提出一种基于目标偏置扩展和贝塞尔(Bezier)插值方法的改进RRT*FN路径规划算法.改进算法在未找到初始路径时采用一定概率进行随机点的目标偏置选择,确定初始路径后使用启发式采样方法,使随机采样点围绕初始路径进行迭代选择,提高路径规划的导向性.当改进算法还未找到初始路径时,删除树中远离目标点并且没有子节点的节点;当改进算法找到初始路径时,删除树中远离最优路径且没有子节点的节点,保留高性能节点,提高算法收敛到最优路径的效率.利用贝塞尔(Bezier)插值方法平滑路径.在MATLAB仿真平台和ROS机器人仿真平台分别进行2D和3D的对比实验,结果验证了所提算法的有效性和优越性.     

基于改进RRT算法的无人驾驶汽车轨迹规划

针对无人驾驶汽车,提出了一种基于改进快速搜索随机树(RRT)的轨迹规划算法。首先,基于车辆转向约束,在传统RRT算法的基础上,限制采样可行区域,基于目标偏向策略,以一定的概率将目标点作为随机点进行随机树扩张;其次,对生成路径采用三次B样条曲线平滑处理,降低轨迹曲线的曲率及曲率变化率;最后,基于Matlab/CarSim联合仿真平台构建直线路况与直角路况,并使用提出的算法在不同路况下进行轨迹规划的仿真与分析。结果表明:改进RRT算法下规划轨迹的曲率均值、极大值与方差小,相比于无约束控制,15°转角约束下在直线路况中分别降低了22. 9%,51. 7%与43. 3%,在直角路况中分别降低了29. 5%,59. 3%与40. 3%;同时,改进RRT算法的平均采样点数及平均树节点数少、规划时间短,相比于无转角约束,15°转角约束下在直线路况中分别降低了62. 9%,38. 2%与78. 5%,在直角路况中分别降低了34. 0%,41. 9%与27. 4%,路径规划质量和速度显著提高。     

基于改进RRT算法的移动机器人路径规划研究

路径规划是移动机器人开发的核心技术,而传统RRT算法所规划的路径距离长、拐点多,对RRT算法进行改进,引入A~*算法思想,改进待扩展节点的选择。引入人工势力场思想,改进扩展方向的选择。对规划的路径消除冗余点,并采用三次样条函数进行平滑处理。将改进的RRT算法应用于虚拟简单环境地图、虚拟复杂环境地图中,结果表明改进RRT算法所规划的路径平顺性好、路径长度短且所用时间短。最后将改进的RRT算法应用于实际的移动机器人路径规划中,路径规划结果验证了该算法的可行性。     

基于双向同时无碰撞检测目标偏置RRT算法的路径规划方法

针对传统RRT算法在复杂环境中对不必要区域的搜索和路径规划的时间代价过高等问题,提出了一种双向同时无碰撞检测目标偏置快速扩展随机树算法——TNCG RRT*。该算法将B RRT*中的双向搜索策略和BIT*中的启发式搜索融合作为文中的基础算法,引入神经网络的批量抓取数量决定一次采样的节点数目从而影响采样速度;然后,将正向树和反向树的扩展同时进行以加快路径搜索速度,通过对目标偏向策略中扩展顶点队列的改进和对采样区域的不断更新明确扩展方向,缩小随机树生长的范围;最后,利用3次B样条曲线使生成的路径趋于平滑。与B RRT算法和BIT*算法进行对比实验,实验结果表明:TNCG RRT*算法在路径生成时间上缩短4.5%,剪枝数增加80%,路径代价（即路径长度）缩短9%,证明了TNCG RRT*算法的有效性。     

基于改进RRT算法的七自由度机械臂路径规划

针对七自由度机械臂路径规划问题提出了一种改进的RRT算法,该算法在RRT算法的基础上加入了双向搜索、贪婪思想、动态步长和新节点生成等优化策略,缩短了算法运行时间以及路径长度。在ROS下将RRT算法与改进的RRT算法进行仿真对比实验,结果表明,改进的RRT相对于RRT算法规划时间缩短了65.1%,路径长度缩短了50.6%,成功率提高了4.0%,达到了预期效果。     

基于改进RRT*的移动机器人运动规划算法

RRT*(快速搜索随机树)算法在以往研究中存在收敛速度慢、结果不稳定的缺点。针对此问题,文章在现有RRT*基础之上提出一种新型改进算法。该改进算法结合环境约束、车辆自身约束和运动学约束,舍弃原算法贪心思想并引入启发式采样节点插入算法,提高路径规划的速度和质量;接着对改进算法进行理论分析,证明算法具有概率完整性、渐近最优性,从理论上保证算法能快速收敛到最优路径。通过各种仿真环境的测试,验证改进算法的有效性、稳定性和正确性,也验证理论分析的正确性。     

融合RRT-Connect和DWA算法的室内移动机器人单目标点导航任务研究

针对室内复杂环境下移动机器人单目标点导航问题,提出一种基于改进双向快速扩展随机树(RRTConnect)算法与改进动态窗口法(dynamic window approach,DWA)的单目标点导航算法。首先,结合人工势场法与RRT-Connect算法设计全局规划器,并引入范围限定函数及两棵双向RRT随机树进行扩展,优化采样和路径扩展过程,同时对全局规划器生成的路径进行平滑处理;然后,改进DWA中的评价函数,以目标点距离函数代替航向角函数以加快算法收敛并避免角度反复调整,同时实现机器人的高效动态避障;最后,以全局规划器的路径点为引导,对局部规划器进行融合以完成单目标点导航任务。研究结果表明：本文所提出的规划器能够实现机器人在复杂环境下的自主路径规划和避障;相比于其他方法,本文所提出的方法效率高,规划路径短。     

基于环境复杂度的移动机器人变步长RRT路径规划算法与仿真研究

针对移动机器人路径规划算法不能根据环境自适应调整步长的问题,提出一种基于环境复杂度的变步长路径规划算法。以快速搜索随机树(RRT)算法为例,引入衡量路径规划性能的参数,通过遗传算法寻找最优步长与环境复杂度之间的关系,建立最优步长与环境复杂度的函数表达式。针对局部环境的特殊性,提出基于滑动窗的变步长RRT路径规划算法。基于该算法,移动机器人能够根据实时局部环境动态改变路径规划的搜索步长,提高了算法的整体性能。最后通过Matlab仿真实验验证了所提出的RRT算法较传统RRT算法具有高效、平稳、代价小的优点。     

基于ROS的液压重载机械臂避障仿真

为实现液压重载机械臂的运动轨迹规划,采用SolidWorks建立了七自由度机械臂空间结构模型,通过ROS平台的URDF文件建立仿真模型.使用MoveIt实现运动规划,借助快速扩展随机树算法(RRT)进行机械臂的路径规划,得到机械臂各关节位移随时间变化的曲线.仿真结果表明机械臂在障碍物环境中实现了自动避障,该方法为在复杂障碍环境下进一步改进规划算法提供了直观便捷的方法.     

一种基于RRT-ConCon改进的路径规划算法

针对RRT算法缺乏稳定性和收敛速度慢的问题,基于RRT-ConCon算法和朝向目标搜索的策略,提出了一种改进的双向搜索路径规划算法.该算法通过改变两条搜索路径的临时扩展目标点,使搜索路径不仅易于朝着目标点方向生长,而且提高了算法的稳定性,同时可以保证规划的路径接近最优解.改进的RRT-ConCon算法利用随机节点生成函数,使朝着目标点生长的搜索路径避免陷入局部极小值.同时,为了测试各种仿真实验环境,还设计了一种仿真实验环境平台,实验结果验证了本算法的有效性和稳定性.