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
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。
