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。     

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.     

基于改进RRT*算法的移动机器人路径规划

为解决渐进最优快速扩展随机树(RRT*)算法在特殊环境下(如狭窄通道)路径规划存在的内存占用多、规划效率低等问题,提出了一种基于目标约束采样和目标偏置扩展的改进R RT*算法.首先,在采样上引入目标偏置策略,并对每次采样进行位置约束,使采样的目标导向性更强.然后,在新点扩展上摒弃了已有算法单纯朝着采样点扩展的思路,通过...     

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。     

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.     

基于边界约束RRT的未知环境探索方法

针对移动机器人未知环境探索有效性问题,对传统快速扩展随机树( RRT)算法进行改进,降低了探索盲目性.提出一种未知环境探索的路径规划方法,该方法借助环境局部知识,对目标进行包围式搜索,同时制定了环境动态因素分割策略,完成环境的全过程探索.仿真验证表明:该方法提高了环境探索的有效性和主动性.     

基于改进双向RRT算法的机器人路径规划

针对双向快速搜索随机树（BI-RRT）算法在路径规划中存在目标导向性差、收敛速度慢、路径拐点多的问题,提出了一种改进BI-RRT算法。通过目标导向引导随机树更快朝向目标点生长,提高收敛速度。引入贪婪路径优化策略,有效减少路径拐点,提高了路径规划算法的效率。同时提出了一种圆盘碰撞检测的算法,并在多个场景中用Matlab平台进行了圆盘移动机器人的路径规划仿真实验,实验结果验证了所提出算法的可行性和有效性。     

基于ROS四轴飞行器的路径规划

针对四轴飞行器很难通过运动控制来完成快速扩展随机树(Rapidly-exploring Random Tree,RRT)所生成运动轨迹的问题,提出动力学和运动学约束的RRT算法.采用固定最终状态和固定最终时间控制器改进算法,通过动力学和运动学约束产生四轴飞行器可执行的路径,对比实际四轴飞行器行走的路径与期望的路径,对R...     

基于改进双向RRT*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局部最优路径规划,提出一种基于目标偏置扩展和Cantmull-Rom样条插值的双向RRT^*路径规划算法.双向RRT^*算法同时创建两颗搜索树,交替进行相向搜索,同时以一定的概率进行随机点的目标偏置选择,以提高算法的整体收敛效率;再对当前节点重选父节点和重布线,以增强算法对环境的敏感程度.为确保路径安全可行,对环境中的障碍物进行膨胀处理,再对初始路径进行碰撞检测;修剪冗余节点,缩短可行路径长度,再利用Cantmull-Rom样条插值法平滑路径.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,验证了改进双向RRT^*算法的有效性和优越性.     

复杂环境下六自由度机械臂路径规划的Biased-RRT修正算法

为解决复杂环境下六自由度机械臂的路径规划问题,提出一种基于采样规则目标导向设计、父节点重选的修正算法。该算法在原目标偏置策略的基础上对随机采样点的选取规则进行重新设定,以引导算法搜索树在尽可能向目标区域扩展的同时有效避开复杂障碍物。在节点扩展方面,依据新节点距离目标点的远近采用变步长扩展方式,即在距离远时选用大步长,加快搜索树扩展;进入目标区域后选用小步长,防止节点扩展陷入局部死循环。在路径优化方面,所提算法通过引入基于路径代价最小的重选父节点操作及多余路径节点剔除操作,来使规划出的路径相对优化。最后,利用三次样条插值技术为机械臂各关节规划出一条光滑、连续且无障的运动曲线。仿真结果表明,所提算法可有效缩短路径规划时间、减少路径长度,较好地完成了复杂环境下六自由度机械臂的预期路径规划任务。     

基于导航势函数法的六自由度机械臂避障路径规划

以MOTOMAN MH6型机械臂为研究对象,运用导航势函数法对机械臂的无碰撞路径规划展开研究. 根据机械臂的几何特点对机械臂进行简化,并结合球型包络算法分析了障碍物与机械臂碰撞的临界条件,计算出机械臂运动的自由空间. 导航势函数法有效解决了传统人工势场法的"局部极小值陷阱"问题,由于预先消除了目标点以外的极小值,机械臂能够顺利到达目标点. 通过数值仿真,解决了导航势函数控制参数的选取问题,并在基于OpenGL的虚拟实验平台中进一步验证了该方法的有效性和可行性.      

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。     

基于改进RRT的无人机电力杆塔巡检路径规划

为了达到无人机在电力输电线路环境中能够进行有效的路径规划以及轨迹跟踪的目的,立足于RRT(Rapidly Exploring Random Trees)算法,提出一种在电力输电线路中适用于无人机的路径规划算法．该算法在融合无人机的动力学特性,及RRT扩展的随机性的基础上,通过设计最大航向角以及路径高度的约束,使得规划的路径在高度方向上向目标点渐进逼近,并能克服传统RRT在狭窄空间规划失败的问题.算法在ROS(Robot Operating System)-Gazebo环境中进行了仿真试验,验证了该算法在电力输电线路环境下的实用性.     

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NURBS算法的冗余机械臂轨迹规划

为有效抑制机械臂高速运动过程中的波动,提出一种基于NURBS(非均匀有理B样条)算法的七关节冗余机械臂轨迹规划方法。根据NURBS算法的性质,将关节运动路径点作为曲线控制点,根据绝对运动距离计算出非均匀节点矢量,把权因子作为控制变量进行速度、加速度条件约束,完成对由离散点组成的机械臂各关节特定轨迹进行逼近。通过计算机对建模和仿真,验证了该算法在冗余机械臂轨迹规划中的可行性和有效性。     

超冗余度机械臂的路径安全性优化研究

提出了一个对超冗余度机械臂路径规划进行安全性优化的新方法．采用一般随机路标法得到一个表示机械臂位形空间结构信息的路标，计算机械臂在各个位形下与障碍物之间的最小距离，并把此信息加到随机路标法所求的路标上，从而把路标转化为网格结构．基于此网络，给出了一个对路径进行安全性优化的数学模型，利用其对超冗余度机械臂进行路径规划．仿真结果表明，相对于一般随机路标法所建模型规划的路径安全性大大提高．     

改进RRT算法的机器人路径规划

机器人已被广泛应用于日常生活之中。路径规划作为机器人的主要技术之一,优秀的路径规划算法能提升机器人的工作效率、降低其使用成本,并为研究机器人的导航打下良好的基础。RRT(rapidly-exploring random trees)算法具有扩展性强的优点,但存在路径长度并非最优、光滑性差等不足,为此提出反向寻优和三次样条曲线插值以改进算法,并在MATLAB和ROS(robot operating system)系统中仿真。结果表明：改进后的RRT算法能降低路径长度,减少节点数目,提高光滑性,实现了算法的有效性。     

任务约束下七自由度机械臂拟人运动规划

为解决基于随机采样的算法在任务约束下运动规划存在计算量大、效率低且不考虑拟人的问题,提出一种任务约束下七自由度机械臂拟人运动规划方法．本方法在任务空间中采样,首先为机械臂末端规划出一条满足任务约束的无碰撞路径,采用高斯过程学习的方法得到机械臂末端路径点与拟人臂构型间的关系;然后完整描述机械臂自运动流形,为不满足关节限位或碰撞的拟人臂构型对应的末端路径点选取次拟人臂构型,得到任务空间与关节空间的映射关系;最后将此映射关系与任务空间下的无碰撞路径相结合用于机械臂拟人运动规划．实验结果表明：与改进快速扩展随机树(RRT^*)和基于投影的方法相比,本方法规划的路径长度分别减少了55%与38%,速度分别增加了39%与68%,满足任务约束,且运动更加拟人．     

无人机快速航迹规划算法

基于快速搜索树提出了一种快速高效同时具有鲁棒性的航迹规划算法.该算法主要包括3部分:选择采样点、搜索扩展树上距采样点最近的节点和扩展节点.首先产生采样点,以一定概率选取目标点作为采样点来提高航迹的质量和规划速度;然后找出搜索树上距采样点最近的节点;最后扩展节点,扩展节点时把航迹约束条件结合到节点扩展过程中,保证了航迹的可行性.这个过程不断迭代,直到找到目标点.仿真结果显示本方法能快速找到近似最优解并且对规划环境有一定的鲁棒性.     

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.