改进RRT算法的无人驾驶车辆路径规划研究

针对基础快速扩展随机树（Rapidly-exploring Random Trees,RRT）应用于无人驾驶车辆路径规划时缺乏导向性，收敛速度慢，路径平滑性差及规划结果并非最优解等问题，提出了一种基于RRT的路径规划改进算法。首先，设计了启发式采样策略：提出基于权重分配的目标指向的局部扩展方式，解决了节点盲目扩展的问题，避免了因目标偏向而出现路径陷入局部最小值的情况，并通过设置转角阈值约束节点转角范围，同时采用变步长采样策略，提高了算法局部避障能力；其次，对已得路径进行后处理：提出了节点优化策略，并用B样条曲线进行路径拟合，实现了路径长度的优化并满足平滑性要求，路径末端与目标点采用Reeds-Shepp曲线连接，解决了车辆抵达目标点时的航向问题。最后利用Matlab软件，将改进算法与基础RRT及其衍生算法进行了对比分析，验证了所提算法的有效性和优越性。     

多障碍环境下机械臂避障路径规划

为提高协作机器人在多障碍环境下的避障路径规划的成功率和效率,针对机械臂和障碍物提出碰撞检测方法,并提出低振荡人工势场—自适应快速扩展随机树(ARRT)混合算法进行路径规划,机械臂先采用低振荡人工势场法进行搜索,当遇到局部极小、碰撞等情况时切换成ARRT进行逃离,直至到达目标点.另外,为了在每个步长都取得最优的逆运动学关节角,保证前后步长对应关节角度值变化的连续性,提出最短行程逆解算法.为了提高规划后的路径质量,提出一种冗余路径节点删除策略,并使用四次贝塞尔曲线对路径进行拟合.经过仿真分析,机械臂在多障碍环境下对于环境复杂度的适应性强,路径搜索成功率高于经典算法,其平均路径搜索时间相比于经典RRT算法从26.1 s下降到3.6 s,算法搜索成功率和效率都得到显著改善.     

多窄路口下改进的bi-RRT路径规划

多窄路口的复杂环境路径规划中,快速扩展随机树(rapidly exploring random Trees,RRT)存在重复搜索和难以通过等缺点。提出改进的双向快速随机扩展树(bi-directional RRT,bi-RRT)的路径规划算法,在多路口来设置人工虚拟目标点,首先根据其连通域采用Dijsktra算法求出一组最短路径的虚拟目标点,再根据虚拟目标点构建采样区域,结合小车的非完整积分约束、环境约束和上述构建的采样区域,利用bi-RRT搜索可行路径。该算法解决了机器人在狭窄路口重复搜索的问题并提高全局搜索效率。通过仿真实验验证该算法的高效性、实时性和正确性。     

一种改进人工势场法的机械臂路径规划方法

针对人工势场法算法存在复杂障碍物环境中易陷入局部最小值无法运动的问题,本文提出了一种适用于静态环境中机械臂路径规划改进的人工势场法,通过在引力场中添加引力安全阈值,在斥力场中添加路径搜索当前点与目标点的欧式距离,引入自适应大步长的模拟退火算法对局部最小值进行逃逸。首先,修改势场函数模型;然后,当搜索路径陷入局部最小值时,采用自适应大步长的模拟退火算法往障碍物最少的空间逃逸;最后,在规划出来的路径上提出一种冗余节点删除策略与拐点消除算法,对规划出来的路径进行平滑处理。仿真和实验验证了本文提出的六自由度机械臂避障路径规划策略有效性。     

面向改进RRT算法的回转空间布线技术研究

为解决回转空间下曲率变化大、线缆搜索效率低等问题,提出一种面向改进RRT算法的线缆路径规划的方法.通过对回转空间建模和布线空间划分进行研究,减少了不必要的搜索空间,提高了搜索效率.为解决RRT算法中采样点和扩展方向随机性过强的问题,避免节点"斜跨"表面敷设过大,提出了轴向约束角度采样策略,同时为提高算法整体搜索效率,提...     

基于改进RRT*FN算法的机械臂多场景运动规划

针对固定节点数的渐进最优快速扩展随机树(RRT*FN)算法精度低、对环境缺乏适应性等问题,提出了一种改进RRT*FN的机械臂运动规划算法。在迭代过程中,结合目标偏向随机采样和椭球子集采样的优势,构造新的启发式方法对采样区域进行约束,从而保证搜索路径更优。在扩展节点时,配置树中总节点数的预设值,并通过加权方法对树中叶子节点进行删减,避免了树规模的无限增长。在动态环境下,采用对节点剪枝与连接的启发式重规划方法,有效提高了对动态环境的适应能力。实验结果表明,该算法在规划过程中收敛速度更快,效率更高,具有较强的环境适应性。     

基于运动约束的移动机器人路径规划

针对A^*算法路径规划中存在的转折冗余、安全性低、不符合移动机器人非完整约束模型等问题，提出一种基于运动约束的路径规划算法。首先，通过挪移处理使A^*算法规划的路径点适度远离障碍物。然后，剔除无障碍路径点间节点，获取路径必经转折点。最后考虑机器人运动约束，以转折点位姿为局部目标，引导混合A^*二次规划路径。实验结果表明，改进算法比传统A^*算法提高了65%的安全距离，无冗余转向，路径具有位姿连续性，可以保证机器人的平稳、高效、安全的移动。     

复杂结构条件下的装配路径求解与优化技术

针对复杂结构条件下的零部件装配路径自动求解困难的问题,提出基于障碍和贪心规则的快速扩展随机树(Rapidly-exploring random tree,RRT)算法。该算法以基本RRT算法为基础,采用随机采样、终点采样、局部采样相结合的采样方式,利用目标零件与障碍物的碰撞面片法向量和碰撞点位置来引导随机树的扩展方向,在每个扩展方向上按贪心规则进行扩展,并提出先平移后旋转的扩展策略。对求解得到的初始装配路径,提出运用分段线性拟合的方法进行路径自动优化。设计并开发了装配路径求解软件原型系统,进行了算例测试和实例应用,结果验证了算法的高效可行。     

基于蚁群算法的物资运送小车路径规划研究

针对路径规划蚁群算法的盲目性、收敛速度慢、路径较长和路径折点多等问题,提出了一种改进蚁群路径规划算法。首先通过改进启发信息的数学模型,限制轮盘赌在8个方向的选择概率,降低迭代次数;然后建立自适应更新影响因子,通过实时监测目标点位置,进一步提高路径的选择方式和算法的鲁棒性;最后通过路径二次寻优,对改进蚁群路径规划算法形成的最优路径进一步消除冗余节点,在已知最优路径进一步寻优,从而提高路径平滑度、减少路径折点,以及缩短路径长度,提高物资运送小车的使用效率。通过栅格环境地图中障碍物不同占比的仿真试验,验证了所提出的改进蚁群算法的迭代速率更快、寻优能力更强、鲁棒性更好和路径更短。     

一种IPRRT的机械臂三维路径避障算法

标准RRT(Rapidly exploring random tree)算法进行路径规划时,存在规划时间长、规划路径质量差的问题。针对以上问题,提出一种IPRRT算法（Improved RRT algorithm）,首先通过重选父节点环节策略剔除冗余路段,区域排斥机制剔除冗余节点,缩短规划路径与规划时间;其次采用线段转角限位与评估函数提升路径质量,最后采用三次Hermite曲线对路径进行平滑处理;通过对深海机械臂进行仿真实验,验证了IPRRT算法的有效性。     

基于改进 RRT ∗ 算法的智能轮椅全局路径规划研究

现实环境中智能轮椅大多数处在复杂场景下工作,其自主导航时对路径安全性等要求较高。 渐进最优随机搜索树 RRT ∗ 算法 基本满足移动机器人最优路径规划,但由于智能轮椅本体较大,容易与环境较近接触,因此可对环境模型进行膨胀并定义不同搜索步 长,使其规划出的路径远离障碍物。 其次为保证用户在使用智能轮椅导航时能够获得更高的舒适性,更高效的到达目的地,而借用启 发式约束采样思想和人工势场中引力场思想修剪此算法规划时的冗余节点,从而减小系统运行内存,随后结合轮椅的最小转弯半径, 提出最小段路径曲率约束策略和三次 B 样条曲线算法对路径进行平滑处理,使其更加适合轮椅行驶。 最终在 MATLAB 和 Gazebo 仿真 平台对改进前后算法对比实验,并将本文算法应用与智能轮椅实体上,试验结果表明,该算法能够有效解决智能轮椅全局路径规划问 题,能够明显提升全局路径规划效率,具有一定安全性,可为其移动机器人领域提供有效参考。     

基于改进RRT的核退役机器人避障方法

核退役机器人工作过程中,传统快速扩展随机树(Rapidly-exploring Random Tree,RRT)路径规划算法缺乏导向性,路径规划效率低,避障能力弱;为此,提出改进RRT路径规划算法,以提高作业效率和准确率.首先,引入目标偏置函数,并提出自适应步长,使RRT路径规划具有导向性,避免陷入局部最优;其次,采用...     

一种新的编码方法解决路径规划问题

提出了一种在极坐标环境下应用遗传算法求解机器人路径规划问题的方法.该方法采用简洁有效的路径染色体编码方法和快速的个体适应度计算方法,并对生成的初始路径点集进行提炼处理,以剔除其中含有的不必要拐点;仿真结果表明该方法可以解决大范围、多障碍环境的机器人路径规划问题.     

极坐标系下基于遗传算法的路径规划方法

提出了一种在极坐标环境下应用遗传算法求解机器人路径规划问题的方法 ,该方法采用简洁有效的路径染色体编码方法和快速的个体适应度计算方法 ,并对生成的初始路径点集进行提炼处理 ,以剔除其中含有的不必要拐点 ;仿真结果表明该方法可以解决大范围、多障碍环境的机器人路径规划问题     

局部环境增量采样的服务机器人路径规划

针对室内服务机器人在未知动态环境中工作时的功能需求,提出了一种局部环境增量采样的路径规划算法。该方法首先依据当前环境构建基于障碍物碰撞风险的评估概率;然后在搜索树扩展的过程中,设计了结合碰撞风险评估概率和欧氏距离的代价函数,避免了每次扩展时新节点和潜在扩展边的碰撞检测,提高了算法效率;同时,搜索树扩展借鉴了快速随机扩展图算法的扩展方式,实现在当前搜索树结构下的最优扩展;另外,提供了算法的性能分析。最后,仿真及实验结果表明该方法具有良好的规划性能,需要较少的计算时间和平均迭代次数,能够满足室内服务机器人实时路径规划的工作需求。     

面向复合地图的移动机器人分层路径规划

针对传统路径规划方法在部分未知复杂大场景环境下搜索空间大、效率低、避障成功率不高等问题,提出一种基于拓扑-栅格-度量复合地图的移动机器人分层路径规划方法。首先将机器人作业环境描述为栅格地图并划分为多个栅格化的子区域,以子区域为关键节点进行位置关系抽象从而获得拓扑架构,并对局部栅格区域进行精细化描述,构建拓扑-栅格-度量的复合地图。其次,在不同地图层级上分区域搜索机器人路径,在拓扑地图上采用Floyd算法规划子区域之间的区间路径,面向栅格地图提出搜索子区域内部路径的改进A^*算法,通过引入扩展点筛选策略、双向搜索机制、路径冗余点剔除技术提高路径规划的效率与质量,并拼接各段区间路径和内部路径生成全局优化初始路径。最后,针对部分未知场景中的动态障碍物,在度量地图上提出基于深度强化学习架构的动态避障路径规划方法,利用价值分类经验回放机制提高样本的利用率和模型训练的效率。实验结果表明,所提方法有较高的搜索效率和避障成功率,生成的路径兼具安全性和平滑性。     

基于A*

针对二维栅格地图下,移动机器人以最短路径遍历所有目标点的路径规划问题,提出一种基于启发信息扩展节点的 A*     

基于视觉的平面关节机器人避障路径规划

针对平面关节机器人工作平面相对固定的特性，利用相机获取工作平面的环境信息。从图片构建地图信息的过程中，提取障碍物轮廓作为障碍物栅格，并将世界坐标下的安全距离映射为像素坐标下的安全像素距离，再将轮廓曲线沿法向向外扩展安全像素距离得到完整的地图信息。考虑到传统A*算法搜索的路径存在冗余节点会对后续机器人的速度规划带来较大的困难，利用改进的A*算法，剔除了路径上的冗余节点，减小了速度规划的复杂度；同时，障碍物轮廓已被扩展安全像素距离，保证了路径搜索过程中节点到障碍物的最小距离，实现了安全距离可控的避障路径规划。     

基于启发式的快速扩展随机树路径规划算法

针对基于随机采样的路径规划缺乏确定性的问题,提出一种具有启发式的多自由度机器人路径规划算法.该算法在快速扩展随机树算法的基础上,引入了启发式估价函数,使扩展随机树有利于朝目标点方向进行生长.仿真结果表明,提高了复杂环境下机器人路径规划的效率,保证了规划的路径接近于最短路径,对同一任务的规划具有一定的可重复性.     

遗传算法用矛轨迹优化综合时的转角顺序问题

轨迹优化综合时,通常已知1个固定目标轨迹,在目标轨迹上按照运动顺序依次选取一系列关键目标点。由于机构所生成的轨迹需要依次通过目标点,所以轨迹优化综合时需要满足主动杆转角顺序约束。本文提出了转角顺序约束的判定方法,由于遗传算法是用随机函数来获得初始种群的,所以转角顺序约束用于遗传算法时,会出现大量个体不满足约束条件的情况。本文改进了遗传算法的初始种群获得方法,以使初始种群能较好地满足约束条件。