改进RRT算法的室内移动机器人路径规划

针对传统RRT（快速扩展随机树）寻路算法由于扩展点的随机选取而存在搜索平均、采样效率低、偏离最优解的缺陷,提出一种偏向目标型的改进RRT算法。该算法采用目标偏向策略和气味扩散法来改善扩展节点的选取,使得随机树的生长趋向于目标点,并提出一种基于3次B样条曲线的路径平滑方法,极大地提升了搜索效率和路径质量。在仿真环境下对算法有效性进行验证,并将算法应用到真实环境下。仿真结果表明,与传统RRT算法相比,改进算法的路径长度缩短约22.1%,且路径更为平滑,在复杂环境中避障能力强。将改进RRT算法应用到Turtlebot2中,在真实环境下开展实验,实验结果证明了该算法的可靠性和实用性。     

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.     

基于改进RRT算法的智能车辆路径规划研究

针对快速搜索随机树(RRT)算法在路径规划中存在目标导向性差、收敛速度慢、路径拐点多的问题，提出了一种改进的RRT算法。改进算法采用渐近区域采样并融合偏向目标采样机制，有效防止随机采样点的反向搜索，提高对采样空间的利用率，保证了采样的方向性；用动态圆规则化处理车辆有效避免碰撞和通过狭窄区域，采用基于三角不等式的方法对路径冗余点进行修剪，在此基础上采用三次B样条线平滑的方法对路径优化。最后通过MATLAB仿真对比分析，证明了上述算法的有效性，并且搜索次数更少，用时更短，规划出的路径效果更优。     

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。     

改进A*算法融合自适应DWA的移动机器人动态路径规划

为解决传统A*算法和传统动态窗口法（Dynamic window approach,DWA）在移动机器人路径规划中存在的问题,提出一种改进A*算法和改进DWA相结合的动态路径规划方法。首先,采用16邻域16方向的路径搜索方式扩大路径搜索视野,减少节点访问量和转角度数;其次,对启发函数进行优化,增强路径搜索的目的性;接着,采用冗余点删除策略,减少转折点数目,路径平滑度进一步提高,再使用B样条曲线对路径拐角进行处理,得到的路径较为平滑;然后,在DWA的评价函数中对障碍物进行分类并区别对待以及添加速度自适应因子,能够提高避障灵敏度;最后,通过与其他算法进行三部分仿真实验以及优先级策略仿真实验,验证改进A*算法的有效性和融合方法避障的优越性。     

数控加工中的二次曲线拟合与最优插补控制算法

本文提出一种基于二次B样条曲线对G01代码的拟合及插补方法,先通过自适应方法选取G01代码所描述的加工轨迹形状特征的各个特征点,再用通过所有特征点的二次B样条曲线拟合待加工路径.由于Timar等人提出的最优速度规划算法对于三次及三次以上的高阶次样条曲线的计算极为复杂,本文提出了一种改进的基于二次B样条曲线的时间最优插补计算方法.最后,将所提出的算法应用到实际的图案加工仿真与实际数控加工中.     

一种Halton序列的HDRRT移动机器人融合规划算法

针对标准快速扩展随机树(RRT)算法采用伪随机序列导致采样点分布不均、不合理,且移动机器人从起始点到目标点路径有冗余路段及冗余节点的问题,提出HDRRT (halton & dijkstra & rapidly exploring random tree)算法,该算法采用采样点分布均匀性好的Halton序列进行采样,并利用候选点集策略对节点进行筛选,以剔除冗余节点;同时该算法采用改进的Dijkstra算法提取原始路径关键节点,以减少路径冗余路段;在此基础上采用3次B样条曲线对路径作平滑处理.经Matlab联合ROS系统仿真结果表明, HDRRT算法相对于Bias-RRT和标准RRT算法具有快速性,稳定规划出最短以及平滑路径等优点.     

自适应RRT无人机航路规划算法研究与仿真

在复杂环境的航路规划问题研究中,为了降低无人机的飞行代价,需要在规划耗时和路径质量两方面达到一个较好的均衡.为此,提出动态步长和自适应权重相结合的RRT算法,有效地解决了规划耗时和路径质量的均衡问题,并用三次多项式BSpline对路径进行平滑处理.仿真结果表明,在相同的任务环境中,与交叉PSO相比较,动态步长的自适应RRT算法失败次数减少了4252次,耗时降低了89ms,飞行距离减少了4.247 km,且平滑后的路径更加符合无人机实际飞行的需要.     

基于改进粒子群优化算法的移动机器人路径规划

为了实现微型足球机器人的平滑最优路径规划,提出了一种结合Ferguson样条路径描述和改进粒子群优化算法的路径规划方法。利用Ferguson样条描述移动机器人路径,将路径规划问题转化为三次样条曲线的参数优化问题,借助改进的具有速度变异的粒子群算法进行路径优化。仿真实验表明,算法可以有效进行障碍环境下机器人的无碰撞路径规划,改进的粒子群算法进行路径优化迭代80次左右即可收敛,规划路径平滑、合理,有一定的实用价值。     

基于B-RRT*FND算法的移动机器人路径规划

针对RRT*FN算法获取路径解的速度慢,且无法应用于动态环境等问题,提出固定节点数的动态双向渐近最优快速随机扩展树算法(bidrectional RRT* fix-node dynamic, B-RRT*FND),用于解决移动机器人在二维空间内快速实时获取无碰撞路径的问题.所提出算法基于RRT*FN算法,采用双向贪婪搜索方法加快路径搜索速度,解决单向RRT算法由于随机采样的盲目性造成的搜索速度慢、在狭窄环境下难以搜索到解的问题;利用固定节点算法在规划过程中不占用过多计算量的特点,在路径迭代优化过程中,实时更新地图信息,并对被破坏的原始路径进行修复重连,以完成算法的动态规划.将所提出算法与RRT、RRT*FN等算法在3种环境下进行对比仿真,验证结果表明,所提出算法在规划速度、路径解长度以及动态规划性能方面具有较好效果.     

基于改进RRT^(*)与行驶轨迹优化的智能汽车运动规划EI北大核心CSCD

针对传统快速扩展随机树算法(Rapidly-exploring random tree,RRT)搜索较慢、规划路径曲折、平顺性差等问题,提出了一种结合改进RRT^(*)与贝塞尔曲线控制点优化的智能车辆运动规划方法.该方法通过在给定概率分布下采样,结合基于方向相似性的多步扩展与路径简化,使用贝塞尔曲线拟合生成规划问题初始解,最后使用序列二次规划优化曲线控制点,从而在动态障碍物环境中生成兼具安全性与驾驶舒适性的车辆行驶轨迹.在仿真实验中将本文算法与常规RRT及曲线拟合方法进行了比较,结果显示本文算法在搜索速度、平顺性、安全性等方面有较大提升.     

移动机器人RRT算法改进研究

目前,机器人路径规划常用算法有避障(Bug)算法、概率路线图(PRM)算法、快速搜索随机树(RRT)算法、蚁群算法、人工势场法等,其中RRT算法在路径规划中应用最广。针对RRT算法存在随机性强、偏差大、路径不一定最优、收敛速度慢等缺点,对RRT算法进行改进,引导随机树向目标点生长,借助人工势场的引力思想,并加入自适应策略,通过机器人与目标点位置、速度和加速度的不断变化来改变步长大小,使机器人快速到达目标点。实验结果表明,通过自适应RRT算法可以提高算法收敛性,缩短了算法时间,可以有效应用在移动机器人系统上,提高移动机器人的工作效率。     

基于JPS改进的移动机器人路径规划算法

针对跳点搜索（jump point search,JPS）路径规划算法在大尺度复杂场景下存在内存资源消耗较大、路径结果平滑度较低且路径过于靠近障碍物等问题,提出融合安全势场等级函数与优化Floyd算法的改进JPS算法。首先建立了安全等级函数对栅格地图中的栅格状态进行重新赋值构建安全等级地图;然后改进了启发式函数,引入目标与主方向两项偏置函数项结合安全等级函数项,进一步减少对称性搜索带来的时间消耗,改善了所规划路径的安全程度。其次通过添加二次平滑算法流程优化了Floyd算法;最后结合B-spline样条插值法,进一步提高了改进算法所规划路径的平滑程度。仿真实验验证了改进优化算法在内存资源消耗、路径长度、路径平滑程度以及路径安全程度都有显著提升。     

基于改进粒子群三次Bezier曲线优化的路径规划

为了实现在障碍环境空间下移动机器人的平滑最优路径规划,提出了一种利用Bezier曲线描述路径与改进粒子群优化算法相结合的路径规划方法。借助三次Bezier曲线描述路径,可以将路径规划问题转换为生成Bezier曲线有限个点的位置优化问题,通过改进的具有指数变化的认知因子的粒子群优化算法进行最优路径搜索。仿真实验表明,该算法可以有效地进行平滑的无碰撞路径规划,并具有较强的跳出局部最优的能力。     

基于改进RRT的筒子纱搬运机械臂路径规划研究

针对筒子纱搬运过程中存在纱线架、放置平台、其他筒子纱等多障碍物的环境下，传统的目标偏置RRT容易陷入局部最优的问题，提出一种改进的RRT(rapidly-exploring random tree)算法。通过几何包络法建立碰撞检测模型，并添加距离系数g,使机械臂末端与障碍物保持安全距离；提出随机动作选择策略，使树每一次扩展前对扩展动作进行选择；提出弱化目标偏置策略，根据X_goal相对于X_near和X_rand连线的位置，对扩展方向进行偏置；根据垂距限值法和三次样条插值对初始路径处理，得到一条平滑路径。通过与RRT算法、M-RRT算法、添加引力系数的RRT算法和改进的RRT^*算法仿真对比，路径长度方面最大下降了23.3%,时间方面最大下降了82.5%,并始终与障碍物保持50 mm以上的距离。结果表明该算法提升了机械臂搬运的效率和安全性。     

改进RRT的二阶段平滑搜索算法

在复杂的环境当中,智能车辆路径规划模块的职能是产生一条合适的路径让智能车路径跟踪模块进行跟踪。在路径规划模块中要考虑两个方面：第一个方面是算法能够快速地搜索出一条安全的路径;第二个方面是算法进行路径规划的同时能够考虑车辆自身模型的约束,即运动学约束限制。然而快速搜索随机树RRT算法进行大范围路径搜索的过程中存在收敛速度较慢、搜索路径曲折角度过大的问题,导致车辆跟随时转弯角度过大、转向不连续,不满足车辆运动学模型。二阶段RRT算法TSRRT（Two-Stage RRT）采用融合最大转向角度的三次Bezier曲线进行上边界曲率优化,使规划路径能够满足车辆运动的转向角度,让车辆在行驶过程中能够以不停车的方式进行连续平稳转向;同时为了加快算法的收敛速度,通过第一阶段的启发式函数采样搜索以及第二阶段Dubins曲线直接连接最终终点和第一阶段搜索终点,能够有效地提高算法的整体搜索效率。通过实验验证,改进的RRT算法TSRRT,相比于传统RRT算法搜索时间减少近43%,路径长度减少近25%,同时提高了路径的平滑性,使已搜索路径曲率能够满足连续,能够让车辆在不停止的情况下连续平稳转弯,以便车辆后续更好地进行路径跟踪。     

改进蚁群和鸽群算法的机器人路径规划

针对复杂环境下移动机器人路径规划中存在的迭代速度慢和路径欠优等问题,提出将全局与局部规划算法相结合的路径规划方法。首先,利用同步双向A^*算法对蚁群算法的信息素进行优化,并对蚁群算法的转移概率和信息素更新机制进行改进,从而使算法的全局寻优速度更快,缩短移动机器人的路径长度;进一步地,将静态路径用于鸽群算法的初始化;然后,利用改进的鸽群算法对移动机器人进行了局部路径规划,通过引入模拟退火准则的方法解决局部最优问题,利用对数S型传递函数对鸽群数量的步长进行优化,从而能更好地避免与动态障碍物的碰撞。最后,利用B样条曲线对路径进行平滑化和重规划。仿真结果表明,该方法在全局静态和局部动态阶段均能生成路径长度短、评价值低的平滑路径,且收敛速度快,适合移动机器人在动态复杂环境中的穿行。     

基于路径跟踪控制方法的拖挂式机器人系统路径规划算法

为解决拖挂式移动机器人系统路径规划算法精准性低、稳定性差和无法考虑系统间安全性等的问题,提出一种基于路径跟踪方法的路径规划算法。该算法融合快速拓展随机树（RRT）基本算法和路径跟踪控制方程,通过自动拟合样条曲线,跟踪并生成节点间轨迹,以此提高路径精准性;加入系统夹角约束条件和节点击中机制提高算法稳定性和结果安全性;此外,加入贪心优化算法,针对结果路径进行优化处理。通过仿真实验结果表明,相较基本RRT算法,改进算法搜索得到的路径更贴近实际运动轨迹,在安全性和成功率上优于原算法,能够满足快速设计或实时系统的需求。     

基于遗传算法和B 样条曲线的平滑避障路径规划

传统的避障路径规划中常常存在不连续点,提出一种新的平滑避障路径规划的方法—遗传算法和B样条曲线法。首先,先通过碰撞侦测,能够侦测出前进路径中的障碍物,然后通过遗传算法再结合B样条曲线规划出平滑的避障路径。该算法可以避免运动过程因打滑而造成与目标位置的误差,解决机器人在静态环境中全局、局部路径规划和规划路径中存在不连续点的问题。仿真和实验结果证明了算法的有效性。     

改进蚁群和鸽群算法的机器人路径规划

针对复杂环境下移动机器人路径规划中存在的迭代速度慢和路径欠优等问题，提出将全局与局部规划算法相结合的路径规划方法。首先，利用同步双向A^*算法对蚁群算法的信息素进行优化，并对蚁群算法的转移概率和信息素更新机制进行改进，从而使算法的全局寻优速度更快，缩短移动机器人的路径长度；进一步地，将静态路径用于鸽群算法的初始化；然后，利用改进的鸽群算法对移动机器人进行了局部路径规划，通过引入模拟退火准则的方法解决局部最优问题，利用对数S型传递函数对鸽群数量的步长进行优化，从而能更好地避免与动态障碍物的碰撞。最后，利用B样条曲线对路径进行平滑化和重规划。仿真结果表明，该方法在全局静态和局部动态阶段均能生成路径长度短、评价值低的平滑路径，且收敛速度快，适合移动机器人在动态复杂环境中的穿行。