基于改进RRT算法的差动机器人路径规划

为了解决快速扩展随机树(RRT)算法在差动机器人路径规划中存在的最近邻函数不合理、收敛速度慢、路径曲折等问题,提出一种改进RRT算法。该算法沿用RRT算法基本框架,在最近邻函数中添加角度变化,以满足差动机器人自身约束;在节点扩展阶段引入启发步长因子,使扩展步长根据节点位置和扩展方向动态调整,加快搜索效率的同时兼顾规划成功率;对初始规划路径进行修剪和平滑处理,以得到差动机器人的可执行路径。仿真实验结果表明,该算法减少了路径搜索时间,生成的路径更为平滑,易于差动机器人跟踪控制。     

复杂环境下基于RRT的智能车辆运动规划算法

在存在大量无规则障碍物且障碍物分布不均匀的复杂环境下,现有规划算法不能很好地解决智能车辆的运动规划问题.为此,本文提出了一种简单实用的基于RRT(快速搜索随机树)的运动规划算法——连续曲率RRT算法.该算法在RRT框架中结合了环境约束以及车辆自身的约束.它首先引入了目标偏向采样策略以及合理的度量函数,大大地提高了规划速度和质量;接着提出了一种基于最大曲率约束的后处理方法以生成平滑的且曲率连续的可执行轨迹.通过仿真实验和实车测试,证实了该算法的正确性、有效性和实用性.     

基于PH曲线的无人机路径规划算法

研究了无人机可飞行路径规划问题,传统路径规划算法不能生成满足无人机运动学约束的可飞行路径.为解决上述问题,提出了将曲率连续的Pythagorean Hodograph (PH)曲线(又称勾股速端曲线)直接用于无人机路径规划的方法,利用PH曲线曲率连续、曲线平滑以及有理特性,在已知威胁的环境中可直接得到满足最大曲率约束且曲率连续的无人机可飞行路径.采用遗传模拟退火算法搜索避开环境中威胁体,并满足约束条件的最优PH路径,使仿真过程结合遗传算法和模拟退火算法的优点,取长补短,提高搜索效率,加强全局搜索能力.仿真结果表明,遗传模拟退火算法能在较少的进化代数下得到最优路径解,且所得的满足约束条件的PH路径曲率连续,为无人机飞行控制提供了依据.     

一种移动机器人路径规划新算法

快速搜索随机树（Rapidly-exploring random Tree Star,RRT*）算法在移动机器人实际应用中规划路径在转向部分存在较多的冗余转折点,导致移动机器人在移动转向过程中出现多次停顿与转向,为剔除规划路径中的冗余路径点,提高机器人移动流畅性,提出一种改进的 RRT*算法。算法将局部逆序试连法引入移动机器人路径规划,在确保RRT*算法概率完备性和渐进最优性的前提下,剔除规划路径中的冗余路径节点,使最终路径更加接近最短路径。通过MATLAB仿真实验证明,规划路径平均长度缩短4%,算法耗时缩短35%,改进后的RRT*算法能缩短规划路径且转向部分路径更加平滑。最后,使用改进后的RRT*算法在室内环境下进行移动机器人路径规划实验。实验结果表明：规划路径上无冗余路径点,且移动机器人沿路径移动流畅。     

基于双向随机树改进的智能车辆路径规划研究

针对快速扩展随机树算法随机性大、收敛速度慢和偏差性的问题,基于基本快速扩展随机树算法,通过采用循环交替迭代的搜索方式生成新节点,双向随机树同时搜索,改进优化了基本快速扩展随机树算法,解决了基本快速扩展随机树算法随机性大、收敛速度慢和偏差性的问题。建立车辆转向模型,确定车辆转向角度约束范围,在算法中增加车辆的转弯角度约束,减少生成路径的偏差性,改善了生成路径的质量。对生成的路径进行节点优化,去除多余的节点,缩短了路径的长度,提高了路径的可行性。采用B样条曲线改善路径的平滑度,在路径折点处插入局部端点,对路径进行平滑度处理,使生成的路径更加符合车辆的行驶条件。用Matlab进行虚拟仿真,验证了该算法的正确性。     

基于动态变采样区域RRT的无人车路径规划

针对无人车传统RRT路径规划算法节点搜索盲目性、随机性以及路径曲折不连续等问题,提出一种动态变采样区域RRT路径规划算法(dynamic variable sampling area RRT, DVSA-RRT).首先,初始化地图信息,根据动态变采样区域公式划分采样空间,进而选择采样区域;在此基础上,利用基于安全距离的碰撞检测、概率目标偏置策略和多级步长扩展完成初始路径规划;最后,利用考虑最大转角约束的逆向寻优和3次B样条曲线对初始路径进行拟合优化.仿真结果表明,该算法相较于原始RRT算法在不同地图环境下的搜索时间和采样次数均降低50%以上,大大降低了节点搜索的盲目性和随机性,相较于其他算法搜索时间也减少30%以上,且优化后的路径平滑满足车辆运动动力学约束.     

基于四阶贝塞尔曲线的无人车可行轨迹规划

对于实际的无人车系统来说,轨迹规划需要保证其规划出来的轨迹满足运动学约束、 侧滑约束以及执行机构约束.为了生成满足无人车初始状态约束、目标状态约束的局部可行轨迹,本文提出了一种基于四阶贝塞尔曲线的轨迹规划方法.在该方法中, 轨迹规划问题首先被分解为轨形规划及速度规划两个子问题.为了满足运动学约束、 初始状态约束、目标状态约束以及曲率连续约束,本文采用由3个参数确定的四阶贝塞尔曲线来规划轨迹形状.为了保证转向机构可行,本文进一步采用优化方法求解一组最优参数从而规划出曲率变化最小的轨线.对于轨线执行速度规划,为了满足速度连续约束、加速度连续约束、加速度有界约束以及目标状态侧滑约束,本文首先求解了可行的轨迹执行耗时区间,再进一步在该区间中求解能够保证任意轨迹点满足侧滑约束的耗时,最后再由该耗时对任意点速度进行规划.本文结合实际无人车的应用对轨迹搜索空间生成、道路行车模拟以及路径跟踪进行了仿真实验,并基于实际的环境数据进行了轨迹规划实验.     

渐进式约束扩展的机械臂运动规划算法

为了保证冗余机械臂带约束运动规划时的路径连续性,针对目前的直接插值和连续插值方法潜在的约束失效和路径失效问题,提出渐进式约束扩展的快速搜索随机树算法（PCE-RRT）。该算法在进行搜索树扩展时引入了一种渐进式约束扩展方法,该方法使用带有最近点信息的逆运动学计算策略,可以在保证任务约束的情况下迭代缩短最近点和扩展点的距离,让每一次扩展都能够保证搜索树的约束性和连续性。PCE-RRT可以使最终生成的搜索树很好地贴合于约束流形子空间,且树上任意两个相连节点都能满足连续条件。通过仿真实验对算法进行验证,实验结果表明该算法能够为机械臂带约束运动规划问题提供同时满足约束性和连续性条件的路径解。     

基于A*引导域的RRT智能车辆路径规划算法

为了泛化RRT （快速搜索随机树）算法在智能车辆路径规划领域内的应用,解决该算法搜索效率低、最近邻搜索函数不合理等问题,本文提出了一种基于A*引导域的RRT路径规划算法.该算法将A*算法与RRT搜索算法进行有效地结合,利用由A*算法在低分辨率栅格图中生成的最短路径来构建引导域,以提升RRT算法的采样效率;同时在设计RRT算法的最近邻搜索函数时考虑车辆自身约束,以增强搜索树节点选择的合理性.通过仿真实验和实车测试,对该算法的优越性、有效性和实用性进行了验证.     

基于改进RRT算法的无人车路径规划

针对无人车在复杂环境中进行全局路径规划时存在的盲目搜索、节点冗余、路径不光滑及不安全等问题,提出一种基于快速扩展随机树(RRT,rapidly-exploring random tree)的综合改进路径规划算法;首先引入目标动态概率采样策略和人工势场引导随机树扩展机制;其次根据汽车运动学模型,对规划的路径进行转角约束和碰撞检测,保证路径的安全性;然后引入Reeds-Sheep曲线用于直接与目标位姿进行连接,避免多余的位姿调整;最后对路径进行剪枝和平滑处理,得到一条更短更光滑的路径;在实验部分,针对不同仿真环境,以规划时间、路径长度和节点数目作为评价指标,对比了RRT算法、RRT*算法和文章算法的路径规划效果;实验结果显示,文章算法相比于RRT算法和RRT*算法,节点数目分别减少了58.94%和85.22%,规划时间分别缩短了61.20%和79.23%,且路径长度相比于RRT算法缩短了17.26%,并和RRT*算法规划的最优路径长度相近。     

一种快速有限时间收敛的轨迹跟踪引导律EI北大核心CSCD

针对参考轨迹曲率变化大导致前视距离(LAD)调整不及时,使得无人船(USV)轨迹跟踪误差收敛慢的问题,本文利用轨迹跟踪几何关系,建立位置跟踪误差动态系统,引入曲率参数设计一种新型的时变前视距离(NTLAD),提出一种快速有限时间收敛的轨迹跟踪引导律(FFTC-GL),包括期望艏向引导律和期望巡航速度引导律研究,以快速准确跟踪大范围曲率的轨迹.首先,构造NTLAD的稳定约束条件,结合图解法求解NTLAD函数,实现法向误差快速有限时间收敛,并且引入曲率参数,快速准确地跟踪不同曲率的轨迹.其次,基于切向误差的有限时间技术,设计快速有限时间速度引导律,实现切向误差动态系统的有限时间稳定.最后,通过对比有限时间上确界,表明引导律对位置跟踪误差收敛的快速性.轨迹跟踪仿真表明FFTC-GL能够在有限时间内跟踪参考轨迹,保证曲线拐点位置跟踪误差快速收敛.     

基于适应度函数的无人船遗传算法航径规划

遗传算法通过适应度函数选取最优的路径,采用了无人船转弯半径来改进适应度函数,实现无人船遗传算法航径规划。考虑到无人船机动性能对航迹平滑性的要求,在初始种群中利用贝塞尔曲线优化方法,将原有的折线路径优化成光滑的曲线路径;在适应度函数中添加曲率判断,以无人船最小转弯半径为约束条件,设置曲线路径的最大曲率,最后通过适应度函数筛选出符合约束条件的光滑路径。仿真结果表明,所提出的方法能获得符合无人船最小转弯半径约束的光滑路径,相比于平滑算法,该方法的曲率更小,收敛速度更快。     

启发式RRT算法的AGV路径规划

在实际应用中，B-RRT*算法规划的路径存在着转折次数多、路线不平滑、路线贴合障碍物和最大转角过大等不符合车辆运动学的问题。为了获得适用于自动导引小车（Automatic Guided Vehicle，AGV）的优化路径，通过使用Reeds-Shepp曲线进行预处理以解决车辆在目标点朝向的问题。此外，提出启发式滑动窗口采样减少B-RRT*算法随机采样所带来的误差，并将车辆运动学约束加入到重选父节点和重布随机树的过程，使用贝塞尔曲线对所规划的路径进行平滑处理。实验结果表明：在规划相同路径上，改进B-RRT*算法规划的路径能够有效地解决上述算法存在的最大转角不合理、路径靠近障碍物、路径不平滑和不符合车辆运动学等问题。     

封闭园区内无人驾驶洗扫车路径规划及控制

为实现封闭园区自动洗扫车的无人驾驶功能,设计了一种基于封闭园区场景的路径规划与控制算法。采用改进的A-Star算法并融合三阶贝塞尔曲线构建全局路径规划层;基于状态空间采样设计局部路径规划层,考虑洗扫车转向约束、安全碰撞距离、道路边界距离等约束设计代价函数得到最优局部路径;使用Pure-Pursuit跟踪算法对局部路径规划层输出的最优路径进行追踪;搭建Simulink-ROS联仿平台,在Simulink中编写规划控制算法并编译植入到ROS平台下进行仿真验证;最后采用MDC300F车载计算机对算法进行多工况实车实验。结果表明,该规划控制算法能够控制自动环卫洗扫车在多工况场景下完成跟车、避障、会车等无人驾驶功能。     

四轮转向车辆转向解耦的双点跟踪控制

针对四轮转向(4WS)无人车辆路径跟踪中的过约束问题, 本文提出一种前后轮转向解耦的双点跟踪控制策略. 建立4WS车辆单轨运动学模型, 约束前后轮转向角速度, 规划曲率连续的回旋曲线参考位姿序列, 将其解耦为前后轴中心的双点参考轨迹; 以前后轮中心点为控制点, 采用非线性反馈控制的预瞄方法分别获得转向控制率, 双点跟踪误差指数收敛于0. 仿真和实车验证结果表明, 所提出的双点跟踪控制策略横向误差标准差减少0.2 m, 横摆角误差标准差减小3.0?, 具有更大的前后轮转角控制域和较高的跟踪精度     

采用滑模条件积分的无人驾驶汽车弯道超车路径规划与跟踪控制

针对无人驾驶汽车弯道超车场景,基于五次多项式曲线提出一种路径规划算法和基于滑模条件积分控制方法提出一种路径跟踪控制策略.首先,为了简化无人驾驶汽车弯道超车路径规划过程,将其分解成驶入超车道路径、保持超车道内行驶路径和驶回原车道路径3部分,并基于五次多项式曲线分别规划出满足汽车侧向加速度约束和动态障碍物避障约束的驶入超车...     

一种基于改进RRT*的全局路径规划算法

针对传统RRT*全局路径规划算法在多障碍物复杂环境中搜索效率低、占用内存过大、搜索路径不平滑等问题,提出一种基于简化地图的区域采样RRT*算法(simplified map-based regional sampling RRT*,SMRS-RRT*).首先简化处理全局栅格地图,在此基础上寻找从起点到目标点的最优路径点...