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.     

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.     

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.     

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。     

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。     

一种引入推理规则的快速规划识别算法

在目标图算法的基础上引入推演扩展和推演检测过程,并进一步扩展了目标图的构造和分析过程,使得目标图可以处理带有推理规则的规划识别问题,从而在初始世界状态空间未完全已知的情况下依然可以识别目标.该算法不需要规划库,从而避免了利用规划库所带来的诸如手工编码和搜索时具有指数代价的问题.     

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。