基于改进RRT算法的冗余机械臂路径规划研究

针对RRT算法在机械臂路径规划的过程中无方向性,在无障碍物处产生过多无用节点的问题,采用目标偏置、双向分段搜索的策略对RRT算法进行改进,提出了具有导向性的双向分段搜索的改进RRT算法并应用于七自由度冗余机械臂的路径规划上,通过Matlab进行了三维环境路径规划仿真实验,并通过ROS平台进行冗余机械臂在简单环境与狭窄环境的避障仿真实验。实验结果表明,改进的RRT算法能够有效地减少路径的节点数量与搜索时间,并提高路径规划的成功率。     

DP-B样条移动机器人路径光滑算法

针对快速扩展随机树算法(RRT)产生的路径冗余点过多与路径转折点较多的问题,提出了一种基于Douglas-Peucker算法及B样条函数的路径光滑算法。首先,利用Douglas-Peucker(DP)算法从RRT算法产生的路径节点中提取出若干节点作为关键路标;然后,采用B样条函数拟合关键路标,得到一条曲率连续的光滑路径,实现规划路径的光滑化。通过在不同环境中进行实验和与其他路径光滑算法实验进行对比,结果表明,该算法能够明显缩短优化路径的路径长度,明显减少优化路径转折次数,大幅度提升优化路径的光滑度,有利于减少机器人在单次航程中的能量消耗,完成更多任务,有效提升机器人的工作效率。     

基于改进快速搜索随机树法的机械手路径优化

针对多关节机械手路径优化问题,提出一种改进快速搜索随机树(Rapidly-exploring randomtrees,RRT)优化算法.利用标准RRT算法规划初始可行路径,根据路径长度与路径安全性计算出该路径代价.在后期搜索树生长过程中,中间目标点并非随机采样,而是选择能使当前路径代价低于其之前路径代价的节点,同时对该节点进行距离检测,避免产生过于密集的节点集.为加快搜索树向未知区域的扩充速度,从最近节点向中间目标点扩充过程中,采用一种贪婪启发式扩充算法:节点以一定步长循环扩充,直至扩充到达目标节点或产生不连通节点.最后对6自由度检修机械手进行路径规划仿真试验,结果表明相对于标准RRT算法,规划路径的质量得到大幅提高.     

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。     

基于改进 A∗ 算法与动态窗口法融合的 机器人随机避障方法研究

针对机器人在存在随机障碍物环境中采用A~*算法规划路径会出现碰撞或路径规划失败的问题,提出了一种将改进A~*算法与动态窗口法相融合的机器人随机避障方法。在改进A~*算法中,首先优化了搜索点选取策略和评价函数,提高了A~*算法的搜索效率;然后提出冗余点删除策略,剔除路径中的冗余节点,并在每两个相邻节点间采用动态窗口法进行局部规划,确保在全局最优路径基础之上,实时随机避障,使机器人顺利到达目标点。实验结果表明,改进A~*算法较传统A~*算法平均可减少4.39%的路径长度和65.56%的计算时长,融合动态窗口法后,能在全局路径基础上修正局部路径,实现随机避障,验证了该算法的有效性。     

融合改进A^(∗)算法与动态窗口法的机器人避障研究北大核心CSCD

针对机器人在全局未知环境的路径规划中无法进行实时动态避障的问题,提出一种将改进的A^(*)算法与动态窗口法融合的机器人避障方法。首先将传统A^(*)算法3×3搜索领域扩展至5×5搜索领域,并将16个搜索方向进行取舍至9个,同时优化启发函数,通过优化时间复杂度来提升A^(*)算法搜索效率;然后进行冗余节点移除操作,剔除机器人路径中的多余拐点和共线的点;改进后的A^(*)算法较传统A^(*)算法平均减少了65.805%的路径规划时间和4.967%的路径长度。最后将改进的A^(*)算法与动态窗口算法进行结合,使得机器人具有动态避障能力,且保证机器人在局部避障的过程中得到全局路径规划的最优解。     

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。     

基于改进快速搜索随机树算法的包裹分拣路径规划算法

针对现有快递包裹分拣系统存在的传输速度慢,准确率低等问题,提出一种改进的快速搜索随机树(RRT)算法.该算法以RRT算法为基础,首先建立了包裹环境模型,引入人工势场法引力分量使节点的扩展更具方向性.其次,对于节点进入障碍物区域需多次重新采样的问题,采用扇形区域法避障以提高算法生成质量,并在路径规划结束后采取二次优化,以...     

基于GB_RRT算法的机械臂路径规划

针对五自由度机械臂路径规划问题,提出一种基于快速扩展随机树(rapidly-exploring random tree,RRT)优化算法—GB_RRT算法。为弥补因基本RRT算法采样盲目性导致的效率低下的缺陷,GB_RRT算法采用高斯采样的方法进行启发式采样,同时结合贪婪扩展算法来提高随机树的局部扩展速度。为进一步缩短规划路径,该算法采用双向同时剪枝取最优的策略来删除不必要的采样节点。最后对机械臂进行了仿真实验和样机实验。实验结果表明,高斯采样法结合贪婪策略不仅降低了采样的盲目性,而且能够提高扩展树的扩展速度,更好地规避开障碍物;双向剪枝取最优的策略也在一定程度上缩短了规划路径的长度。     

改进D* Lite和人工势场法的移动机器人路径规划研究

在变化的室内环境中,将D* Lite与人工势场法相结合进行移动机器人路径规划.首先,使用D*Lite初步规划出一条全局最优路径,再通过节点筛选机制来剔除全局路径的冗余节点,使得所规划的路径更加平直;然后,当遇上未知障碍物调用重规划环节时,融合人工势场法,使得重规划的路径与未知障碍物保持在一个安全的距离,避免移动机器人在...     

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。     

优化改进RRT和人工势场法的路径规划算法

针对传统快速搜索随机数(RRT)算法在规划路径中随机性较大，搜索效率较低且规划的路径不利于机器人移动等缺点，从3个方向进行改进。首先，对于随机树扩展时随机性较大的问题，将传统的扩展方向加入改进人工势场法约束，使得随机树偏向目标点生长；其次，将改进RRT算法规划的路径进行关键点提取，并优化路径；最后，将优化后的路径按照关键点分段使用改进评价函数的动态窗口法。实验表明，优化改进RRT算法相较于传统A^*算法、传统RRT算法在路径长度、路径规划时间以及拐点等方面效果都更好，融合算法在复杂环境中规划出的路径能够很好地避开障碍物，路径更加平滑且更短。     

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...     

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。     

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结合B样条的机械臂运动规划方法

为解决传统快速拓展随机树(RRT)算法的随机性强，导向性差，规划时间长及寻迹平滑度差等问题，提出一种基于目标偏置策略结合自适应可变步长的改进型RRT算法(PAVS-RRT)。首先，在传统RRT算法基础上设置一个目标偏置阈值，同时引入局部扩展机制避免因改变采样结构而造成的局部最优问题；其次，结合自适应步长策略优化其搜索时间；最后，采用三次B样条函数对所规划路径进行拟合优化。仿真实验中所提算法在保证机械臂成功避障且顺利抵达目标位置的同时，其各关节参数均波动较小且未发生突变，有效降低了机械臂在运动规划过程中的抖振情况。实验结果表明，所提算法较基本算法其平均路径搜索时间提高了73.49%,算法搜索效率及平滑性得到显著改善。     

融合改进蚁群和DWA的移动机器人路径规划

针对传统蚁群算法搜索时间长、易陷入局部最优且动态规划能力弱等缺陷,提出一种融合改进蚁群和动态窗口算法（DWA,Dynamic Window Approach）的路径规划方法,解决移动机器人全局路径优化以及局部动态避障路径规划问题。在分析传统蚁群算法路径规划原理及优缺点的基础上,通过引入初始栅格转移规则、改变信息素更新方式、删除冗余节点、圆切障碍顶点等方法,提高蚁群算法的收敛速度、规划路径的平滑度以及安全可靠度;进一步在改进蚁群算法中引入DWA进行局部路径规划,实现机器人的动态避障。对比仿真结果表明,所提改进算法在路径长度、迭代次数、收敛时间以及路径平滑度、安全可靠度等性能指标上较传统算法均有所提高。     

非完整约束移动机器人CRAB-RRT轨迹规划

针对快速扩展树算法在多障碍环境搜索效率低、冗余节点多的问题，提出一种CRAB-RRT算法。该算法采用圆域概率偏向采样策略进行随机采样；将扩展树上节点分为2类，通过度量邻近点间对角线距离、历史路径成本和扩展角度的加权和，在有效邻近点集中选出高质量最近点；在新节点扩展中添加了目标引力分量，并根据环境障碍信息实现扩展步长自适应变化；经过对非完整约束移动机器人运动学模型的分析，提出了极限角约束，通过考虑受极限角约束的路径裁剪策略剔除冗余节点，利用三次B样条平滑方法平滑轨迹。通过数值仿真分析和实车实验，验证了CRAB-RRT算法的可行性、实用性与优越性，平滑后的路径更利于机器人跟踪，且适用于多障碍环境。     

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。     

用于无人车路径规划的改进A*算法

针对传统A*算法规划的路径存在路径长度较长、拐点数量较多和转折角度较大等问题,提出了一种用于无人车路径规划的改进A*算法.首先在传统A*算法的基础上考虑转弯成本并融入预判断规划策略,规划出一条初步路径;然后采用冗余拐点剔除策略优化初步路径,获得一种更优的无人车行驶路径.对传统A*算法、考虑转弯成本并融入预判断规划策略的A*算法和改进A*算法进行仿真对比.结果 表明:改进A*算法规划出的路径长度更短,拐点数量更少,转折角度更小,路径更加平滑.