针对当前路径规划算法在高维复杂环境下,存在障碍物信息处理不充分、搜索效率与路径质量难以平衡等问题,提出了一种基于自适应概率偏差的改进算法——APB-RRT*算法(Adaptive Probability Bias RRT*)。首先依据障碍物类型设定安全距离,...针对当前路径规划算法在高维复杂环境下,存在障碍物信息处理不充分、搜索效率与路径质量难以平衡等问题,提出了一种基于自适应概率偏差的改进算法——APB-RRT*算法(Adaptive Probability Bias RRT*)。首先依据障碍物类型设定安全距离,在保障安全的基础上将采样空间划分为m×m×m个子区域,引入参考路径邻近性评价函数,动态调整子区域采样概率,加快了算法的收敛速度,减少了冗余节点。同时,融合基于环境感知的自适应偏置策略和变步长调节机制,提高了路径搜索效率。最后,为遵循机械臂运动学特性,采用分段贪婪算法结合三次样条插值法对路径进行平滑约束,确保了路径的连续性和可执行性。仿真实验结果表明,该文算法规划出的路径最接近理想最优路径。展开更多
文摘针对当前路径规划算法在高维复杂环境下,存在障碍物信息处理不充分、搜索效率与路径质量难以平衡等问题,提出了一种基于自适应概率偏差的改进算法——APB-RRT*算法(Adaptive Probability Bias RRT*)。首先依据障碍物类型设定安全距离,在保障安全的基础上将采样空间划分为m×m×m个子区域,引入参考路径邻近性评价函数,动态调整子区域采样概率,加快了算法的收敛速度,减少了冗余节点。同时,融合基于环境感知的自适应偏置策略和变步长调节机制,提高了路径搜索效率。最后,为遵循机械臂运动学特性,采用分段贪婪算法结合三次样条插值法对路径进行平滑约束,确保了路径的连续性和可执行性。仿真实验结果表明,该文算法规划出的路径最接近理想最优路径。
