针对移动机器人在狭窄通道路径规划过程中采样过于随机、搜索效率低、路径质量差等问题,提出一种针对狭窄通道优化的改进双向快速扩展随机树(rapidly-exploring random tree connect,RRT-Connect)算法。引入中间节点插值法,引导算法针...针对移动机器人在狭窄通道路径规划过程中采样过于随机、搜索效率低、路径质量差等问题,提出一种针对狭窄通道优化的改进双向快速扩展随机树(rapidly-exploring random tree connect,RRT-Connect)算法。引入中间节点插值法,引导算法针对性地向狭窄通道内部采样,降低双树连接的随机性;基于桥梁测试算法提出米字交叉法,通过形成“米”字形线段检测碰撞,精确识别狭窄通道内节点,提高了搜索效率和适应能力;采用贪心策略剔除多余节点,并采用二次B样条曲线对路径进行平滑处理,有效缩减了路径长度。仿真结果显示,相较于RRT-Connect算法,提出的算法在收敛速度、搜索效率和节点利用方面均得到提升,平均运行时间缩减46.53%,路径长度降低4.69%以上,节点利用率提升了30.22百分点。展开更多
针对RRT^(*)算法速度较慢问题,提出一种快速收敛至最优路径的最优双向快速扩展随机树(Optimal Bidirectional Rapidly-exploring Random Trees,Obi-RRT)算法。Obi-RRT使用改进的RRT-Connect算法快速得到较低成本路径,通过路径修剪得到...针对RRT^(*)算法速度较慢问题,提出一种快速收敛至最优路径的最优双向快速扩展随机树(Optimal Bidirectional Rapidly-exploring Random Trees,Obi-RRT)算法。Obi-RRT使用改进的RRT-Connect算法快速得到较低成本路径,通过路径修剪得到关键点,围绕关键点提出三种采样空间并进行采样,通过不断更新关键点从而得到最优或接近最优的路径。平面和机械臂关节空间下的仿真实验表明,Obi-RRT算法运行时间仅为RRT^(*)算法的十分之一,并且路径成本更低。展开更多
文摘针对移动机器人在狭窄通道路径规划过程中采样过于随机、搜索效率低、路径质量差等问题,提出一种针对狭窄通道优化的改进双向快速扩展随机树(rapidly-exploring random tree connect,RRT-Connect)算法。引入中间节点插值法,引导算法针对性地向狭窄通道内部采样,降低双树连接的随机性;基于桥梁测试算法提出米字交叉法,通过形成“米”字形线段检测碰撞,精确识别狭窄通道内节点,提高了搜索效率和适应能力;采用贪心策略剔除多余节点,并采用二次B样条曲线对路径进行平滑处理,有效缩减了路径长度。仿真结果显示,相较于RRT-Connect算法,提出的算法在收敛速度、搜索效率和节点利用方面均得到提升,平均运行时间缩减46.53%,路径长度降低4.69%以上,节点利用率提升了30.22百分点。
文摘针对RRT^(*)算法速度较慢问题,提出一种快速收敛至最优路径的最优双向快速扩展随机树(Optimal Bidirectional Rapidly-exploring Random Trees,Obi-RRT)算法。Obi-RRT使用改进的RRT-Connect算法快速得到较低成本路径,通过路径修剪得到关键点,围绕关键点提出三种采样空间并进行采样,通过不断更新关键点从而得到最优或接近最优的路径。平面和机械臂关节空间下的仿真实验表明,Obi-RRT算法运行时间仅为RRT^(*)算法的十分之一,并且路径成本更低。