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。     

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.     

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,采用启发式搜索思想,保留优于其父节点的随机搜索点为新节点;最后,修剪路径中的冗余节点,并采用贝塞尔曲线对路径进行平滑处理。在MATLAB平台上进行仿真,结果表明,改进RRT路径规划算法较传统RRT路径规划算法、RRT-connect路径规划算法效率更高,收敛性更强,可以很好地提高核退役机器人的避障能力。     

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.     

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。     

考虑动态倾覆稳定性的液压重载机械臂路径规划方法

针对液压重载机械臂的动态倾覆稳定性问题,提出了一种基于改进快速扩展随机树（Rapidly-exploring Random Tree,RRT）算法的路径规划方法。与只对危险工况的静态稳定性校核不同,该算法以机械臂运动过程中的动态倾覆稳定性最优为目标,在机械臂的关节空间内进行路径规划。以7个关节变量组成的七维数组作为采样点,结合正运动学与力矩法建立机械臂的动态倾覆稳定性计算模型,利用双采样点择优原则,选择其在对应位姿下抗倾覆稳定力矩最优的随机点作为采样点,以增强算法的启发性。在Matlab平台进行的仿真实验表明,改进RRT算法规划路径的倾覆裕度在3种典型工况下分别提升了37%、28%和38%,有效地改善了液压重载机械臂作业平台的抗倾覆稳定性。     

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。     

基于人工势场引导的改进RRT机器人路径规划算法

针对随机扩展树收敛速度慢、效率低的缺点,提出以人工势场引导节点向目标点逼近,并与改进的转换测试结合实现树扩展的自适应调控。采用人工势场算法建立采样节点的价值函数,使得随机扩展树不断向低代价空间扩展,当陷入局部极小值时,对RRT算法的采样策略进行调节、自适应地寻找逃离路径,使搜索过程快速跳出局部极小值。仿真实验表明,人工势场引导随机树渐进目标点,并与转换测试结合,提高了算法的搜索效率。     

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。     

Computational path planner for product assembly in complex environments

Assembly path planning is a crucial problem in assembly related design and manufacturing processes. Sampling based motion planning algorithms are used for computational assembly path planning. However, the performance of such algorithms may degrade much in environments with complex product structure, narrow passages or other challenging scenarios. A computational path planner for automatic assembly path planning in complex 3D environments is presented. The global planning process is divided into three phases based on the environment and specific algorithms are proposed and utilized in each phase to solve the challenging issues. A novel ray test based stochastic collision detection method is proposed to evaluate the intersection between two polyhedral objects. This method avoids fake collisions in conventional methods and degrades the geometric constraint when a part has to be removed with surface contact with other parts. A refined history based rapidly-exploring random tree (RRT) algorithm which bias the growth of the tree based on its planning history is proposed and employed in the planning phase where the path is simple but the space is highly constrained. A novel adaptive RRT algorithm is developed for the path planning problem with challenging scenarios and uncertain environment. With extending values assigned on each tree node and extending schemes applied, the tree can adapts its growth to explore complex environments more efficiently. Experiments on the key algorithms are carried out and comparisons are made between the conventional path planning algorithms and the presented ones. The comparing results show that based on the proposed algorithms, the path planner can compute assembly path in challenging complex environments more efficiently and with higher success. This research provides the references to the study of computational assembly path planning under complex environments.     

基于改进A*算法的AGV路径研究

路径规划能力是AGV(Automated Guided Vehicle,自动导引运输车)系统智能化程度的体现。在众多算法中,A~*算法使用代价消耗估算方式达到较快的计算能力,被广泛应用于AGV的路径规划中,但仍存在局部最优的规划问题,规划的路径上存在冗余节点和较多不必要拐点。为减少运输路径中的总能耗,缩短路径总长度和减少AGV转弯次数,采用分裂和筛选的方案对传统A~*算法进一步优化,提出改进A~*算法,使其在实际工作环境中搜索更加迅速、考虑更加周密。在传统A~*算法基础上,在未知节点的启发函数里增加转弯权值,可以在计算规划过程中考虑转向所带来的消耗,从而减少转弯次数。使用任务分裂方案可以尽可能多地选择出较优路径,其中的最优解能够实现得转弯较少,展现出比较平滑的线路。基于Ubuntu下ROS系统版本进行仿真,对比实验结果表明,改进A~*算法在规划时间、总行程以及转弯消耗等方面都优于传统A~*算法,提升了AGV的实际运行效率,减少了AGV小车的耗能,可以缩短路径搜索规划时间,更符合工厂环境对AGV的需求。     

基于稀疏节点快速扩展随机树的移动机械臂运动规划

针对传统移动机械臂运动规划未考虑停靠误差、规划效率低等问题,提出一种基于稀疏节点快速扩展随机树的移动机械臂运动规划方法.研究了停靠误差对移动机械臂运动规划的影响,制定了基于坐标转换的误差补偿措施.针对快速扩展随机树算法在局部空间中过度搜索的问题,改进回归过滤机制,避免了节点重复扩展.考虑边界节点的有效性,提出了随机点边...     

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。     

面向方形节点拓扑地图下的移动机器人路径规划算法研究

针对方形节点拓扑地图下的移动机器人的特性,采用了A^*算法来实现路径规划,并对传统的A^*算法进行改进,一是在启发函数中引入了位移和角度2个因素,提高了函数的启发性; 二是引入堆的方法优化了数据结构,提高了列表中代价最小节点的搜索速度。仿真实验结果表明,改进后的A^*算法节点的最短路径节点相对减少,算法效率明显提高,具有良好的可行性和有效性。     

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。