针对RRT(Rapidly-exploring Random Tree)算法在机器人路径规划过程存在采样点随机性高、算法效率低、路径规划时间长以及规划路径冗长等问题,文中提出一种结合人工势场法的双向RRT路径规划算法。将传统RRT算法中单向扩展方式改为由起...针对RRT(Rapidly-exploring Random Tree)算法在机器人路径规划过程存在采样点随机性高、算法效率低、路径规划时间长以及规划路径冗长等问题,文中提出一种结合人工势场法的双向RRT路径规划算法。将传统RRT算法中单向扩展方式改为由起点和终点同时进行扩展,在节点扩展时加入人工势场法进行引导,增加节点扩展的目的性。将固定步长改换为可变步长,使随机树可以更快地向目标点扩展。对生成路径进行剪枝处理,删除路径中的冗余节点,进一步缩短路径长度。利用MATLAB仿真平台在相同环境下对比所提改进算法与RRT-Connect算法、DRRT-Connect(Dynamic Rapidly-exploring Random Tree Connect)算法、GB(Goal-Biased)-RRT算法、A^(*)算法、PRM(Probabilistic Road Map)算法的路径规划效果。仿真结果表明,所提改进算法与其他改进算法相比最短路径缩短了7%,最短搜索时间降低了65%,提高了算法的规划效率。将所提算法应用于机器人,结果证明了其具有较强可行性。展开更多
针对快速扩展随机树(Rapidly-Exploring Random Tree,RRT)算法在结合无人船进行路径规划时存在规划时间长、路径冗余大、路径平滑度不符合欠驱动无人船航行要求等问题,提出一种改进RRT的无人船全局路径规划算法。算法中将贝叶斯优化算...针对快速扩展随机树(Rapidly-Exploring Random Tree,RRT)算法在结合无人船进行路径规划时存在规划时间长、路径冗余大、路径平滑度不符合欠驱动无人船航行要求等问题,提出一种改进RRT的无人船全局路径规划算法。算法中将贝叶斯优化算法融入目标采样过程,增强目标点采样导向性;引入动态步长和双向贪心剪枝策略作为重要辅助,进一步提升算法效率和路径质量;得到初始路径后采用动态权重3次B样条曲线进一步平滑处理。最后在3种类型障碍物环境下进行仿真实验并与RRT、RRT^(*)算法进行对比。结果表明,改进RRT算法在规划时长、路径长度以及路径质量等方面有明显优势。改进后算法效率更高,路径平滑度更高,研究成果可为无人船自主航行提供参考。展开更多
针对传统路径规划算法在三维复杂障碍物环境下规划效率低和搜索路径质量不足的缺点,提出一种自适应APF-RRT^(*)路径规划方法。在势力场作用下引导路径节点以不同步长动态生长,以解决传统快速扩展随机树(rapidly-exploring random tree s...针对传统路径规划算法在三维复杂障碍物环境下规划效率低和搜索路径质量不足的缺点,提出一种自适应APF-RRT^(*)路径规划方法。在势力场作用下引导路径节点以不同步长动态生长,以解决传统快速扩展随机树(rapidly-exploring random tree star, RRT^(*))算法盲目搜索和人工势场法(artificial potential field, APF)易陷入局部最优的问题;通过定义父节点重选流程和引入动态偏向采样概率,优化算法迭代过程;对已有路径进行贪心算法迭代优化与平滑处理,减少路径冗余节点,增强实际使用效果。经过实验验证,对比其他2种算法,自适应APF-RRT^(*)算法在不同环境上的迭代次数、耗时、路径长度均得到减少;将该方法用于UR5机械臂上进行仿真验证,机械臂能够实现良好的避障功能,平稳完成路径规划任务。展开更多
为了解决快速搜索随机树(Rapid-exploration random tree,RRT)算法在高精度机械臂的路径规划中存在的问题,如采样点随机性强、路径指向性差、路径平滑度低、路径长等,提出了一种融合的人工鱼群算法(RRT-ASFA)来优化RRT生成的路径。首先,...为了解决快速搜索随机树(Rapid-exploration random tree,RRT)算法在高精度机械臂的路径规划中存在的问题,如采样点随机性强、路径指向性差、路径平滑度低、路径长等,提出了一种融合的人工鱼群算法(RRT-ASFA)来优化RRT生成的路径。首先,为RRT提出了一个目标偏置策略,以减少采样点的随机性并优化目标方向;提出了步长自适应和搜索区域限制,以优化路径规划时间。其次,对于人工鱼群算法(Artificial fish swarming algorithm,ASFA),提出了自适应步长和自适应视场范围以使人工鱼群更快收敛;对RRT规划的路径的转折点进行了优化,使路径更短。最后,通过Hermite样条函数对路径进行了平滑处理。通过仿真实验发现,与传统的RRT算法、目标偏置RRT算法和RRT^(*)算法相比,结合算法规划的路径长度更短,路径节点更少,这证明了该组合算法的可行性。展开更多
文摘针对RRT(Rapidly-exploring Random Tree)算法在机器人路径规划过程存在采样点随机性高、算法效率低、路径规划时间长以及规划路径冗长等问题,文中提出一种结合人工势场法的双向RRT路径规划算法。将传统RRT算法中单向扩展方式改为由起点和终点同时进行扩展,在节点扩展时加入人工势场法进行引导,增加节点扩展的目的性。将固定步长改换为可变步长,使随机树可以更快地向目标点扩展。对生成路径进行剪枝处理,删除路径中的冗余节点,进一步缩短路径长度。利用MATLAB仿真平台在相同环境下对比所提改进算法与RRT-Connect算法、DRRT-Connect(Dynamic Rapidly-exploring Random Tree Connect)算法、GB(Goal-Biased)-RRT算法、A^(*)算法、PRM(Probabilistic Road Map)算法的路径规划效果。仿真结果表明,所提改进算法与其他改进算法相比最短路径缩短了7%,最短搜索时间降低了65%,提高了算法的规划效率。将所提算法应用于机器人,结果证明了其具有较强可行性。
文摘针对快速扩展随机树(Rapidly-Exploring Random Tree,RRT)算法在结合无人船进行路径规划时存在规划时间长、路径冗余大、路径平滑度不符合欠驱动无人船航行要求等问题,提出一种改进RRT的无人船全局路径规划算法。算法中将贝叶斯优化算法融入目标采样过程,增强目标点采样导向性;引入动态步长和双向贪心剪枝策略作为重要辅助,进一步提升算法效率和路径质量;得到初始路径后采用动态权重3次B样条曲线进一步平滑处理。最后在3种类型障碍物环境下进行仿真实验并与RRT、RRT^(*)算法进行对比。结果表明,改进RRT算法在规划时长、路径长度以及路径质量等方面有明显优势。改进后算法效率更高,路径平滑度更高,研究成果可为无人船自主航行提供参考。
文摘针对传统路径规划算法在三维复杂障碍物环境下规划效率低和搜索路径质量不足的缺点,提出一种自适应APF-RRT^(*)路径规划方法。在势力场作用下引导路径节点以不同步长动态生长,以解决传统快速扩展随机树(rapidly-exploring random tree star, RRT^(*))算法盲目搜索和人工势场法(artificial potential field, APF)易陷入局部最优的问题;通过定义父节点重选流程和引入动态偏向采样概率,优化算法迭代过程;对已有路径进行贪心算法迭代优化与平滑处理,减少路径冗余节点,增强实际使用效果。经过实验验证,对比其他2种算法,自适应APF-RRT^(*)算法在不同环境上的迭代次数、耗时、路径长度均得到减少;将该方法用于UR5机械臂上进行仿真验证,机械臂能够实现良好的避障功能,平稳完成路径规划任务。
文摘为了解决快速搜索随机树(Rapid-exploration random tree,RRT)算法在高精度机械臂的路径规划中存在的问题,如采样点随机性强、路径指向性差、路径平滑度低、路径长等,提出了一种融合的人工鱼群算法(RRT-ASFA)来优化RRT生成的路径。首先,为RRT提出了一个目标偏置策略,以减少采样点的随机性并优化目标方向;提出了步长自适应和搜索区域限制,以优化路径规划时间。其次,对于人工鱼群算法(Artificial fish swarming algorithm,ASFA),提出了自适应步长和自适应视场范围以使人工鱼群更快收敛;对RRT规划的路径的转折点进行了优化,使路径更短。最后,通过Hermite样条函数对路径进行了平滑处理。通过仿真实验发现,与传统的RRT算法、目标偏置RRT算法和RRT^(*)算法相比,结合算法规划的路径长度更短,路径节点更少,这证明了该组合算法的可行性。
