基于PS-RRT算法的机械臂避障路径规划

针对应用快速搜索随机树（RRT）算法进行机械臂路径规划时,存在采样区域大、有效区域小、路径冗余节点多、剪枝时间长等问题,提出一种基于分区动态采样策略和重复区域节点拒绝机制的高效RRT路径规划算法PS-RRT（partitioned sampling RRT）。首先,通过PS-RRT快速规划机械臂末端初始路径;其次,分段检测机械臂跟随该路径时的连杆碰撞情况,对碰撞路段进行带臂形约束的第二次规划;最后,将初始路径和第二次规划的路径拼接后进行路径裁剪。将所提方法在多种场景中进行仿真验证,结果表明：基于PS-RRT算法的机械臂避障路径规划策略使得无效节点数大幅减少,可高效规划出机械臂的无碰路径,验证了算法的可行性。     

基于改进RRT算法的机械臂路径规划

针对快速探索随机树(RRT)路径规划算法缺乏导向性和规划空间增大时算法时间复杂度高的问题,提出一种目标概率偏置与步长控制的改进RRT算法(I-RRT)。I-RRT结合目标概率偏置,以一定概率使采样点偏置为目标点,提高路径规划的导向性,并引入步长控制优化算法,提高运算效率,优化路径。在MATLAB平台建立了算法的仿真实验,结果表明:I-RRT的导向性与算法时间复杂度均优于经典的RRT算法;并在ROS平台上搭建了六自由度机械臂的避障规划与控制实验,实验验证了该算法的有效性。     

基于采样点优化RRT算法的机械臂路径规划

针对基于随机采样的RRT机械臂路径规划算法在全局工作空间下采样效率低、随机性强等问题,提出一种基于采样点优化RRT算法的机械臂路径规划算法.相对于全局工作空间采样,优化算法首先基于非障碍物空间生成随机采样点,以降低算法碰撞检测概率与冗余节点的生成,再结合一定概率的人工势场法产生启发式采样点,使得机械臂臂体于路径规划采样过程中既能保证随机采样的概率完备,又能使采样点更具目标导向性.其次,为使得路径更加简洁平滑,使用冗余节点删除策略剔除路径中的冗余节点来优化最终路径.最后在二维、三维的仿真环境中对优化算法进行对比实验分析,以验证算法在随机采样路径规划算法中的良好性能,并在IRB 1200-7/0.7机械臂上进行避障规划算法实验.仿真和实验结果都表明,所提出的算法在机械臂路径规划中可以获得更高的规划效率和更优的路径.     

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。     

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。     

基于改进RRT算法的无人机三维避障规划

RRT算法由于其在复杂环境中有强大的随机搜索能力,在无人机避障规划中被广泛运用.为了提高无人机避障规划的效率,提出了一种基于预规划路径优化RRT算法的无人机三维避障规划算法.算法首先在障碍物膨胀规则和相交规则下生成预规划路径,然后将预规划路径看做成连续的质点组成,按一定的扩展树步长的比例从连续质点取点来确定搜索树的随机...     

六自由度检修机械臂合理路径规划系统设计

为减少六自由度检修机械臂抓取动作花费的时间,设计一种六自由度检修机械臂合理路径规划系统.此次研究的系统硬件部分主要包含主控制器、伺服电机控制器与通信模块.系统软件部分,计算出机器人与障碍物之间的距离,并计算出所有机器人上点与障碍物之间的距离,采用设置虚拟障碍物的创新型人工势场法进行路径规划,避免传统人工势场法的弊端,以...     

机器人路径规划的快速扩展随机树算法综述

路径规划是移动机器人的重要研究内容。快速扩展随机树（Rapidly-Exploring Random Tree，RRT）算法因在机器人路径规划中的成功应用，自提出以来就得到了极大的研究与发展。快速扩展随机树作为一种新颖的随机节点采样算法，相对传统路径规划算法，具有建模时间短、搜索能力强、方便添加非完整约束等优点。介绍了快速扩展随机树算法的基本原理与性质，并从单向随机树扩展、多向随机树扩展、其他改进等方面概括了算法的研究现状。最后，展望了算法未来的研究方向与挑战。     

基于雅可比转秩-RRT法的冗余机械手路径规划

针对核反应堆检修用机械手在末端任务给定的无碰撞路径规划问题进行研究.提出一种将雅可比转秩控制算法与快速搜索随机树法相结合的混合算法,通过选择距目标点工作空间距离最近的位姿点作为树的扩充节点,避免对逆运动学进行求解.利用雅可比转秩控制算法计算出最优扩充方向,采用二分梯度下降扩充方法对末端工具速度加以限制,避免关节速度发生突变.仿真结果表明该混合算法的快速性和有效性.     

基于接近觉的机械臂避障路径规划

提出了一种基于接近觉的机械臂避障路径规划方法。首先,针对排列稀疏的接近觉传感器阵列的障碍物感知问题,定义连杆“运动方向”的概念,优先读取连杆运动方向上的传感器以缩短读取周期的长度,并将距离传感器最近的障碍物表面建模为“假想圆锥”,过其顶点作“安全平面”,连杆在运动过程中不能与其发生碰撞。其次,针对避障路径规划问题,采用基于势函数与关节空间的人工势场法,并根据所提出的障碍物感知方法提出了基于“绕行”的改进方法以解决人工势场法的局部最优问题。最后,在UR10机器人的小臂连杆上验证本文方法,实验结果证明了本文方法的有效性、鲁棒性与实时性。     

基于引力自适应步长RRT的双臂机器人协同路径规划

快速扩展随机树(RRT)方法的步长确定过分依赖于程序调试,而且固定的步长会导致碰撞检测失效问题.针对此问题,本文提出一种适用于双臂机器人协同路径规划的引力自适应步长RRT.首先,通过建立构型空间与工作空间的步长范数不等式,对双臂机器人在工作空间中所产生的步长进行约束,进而确保实现有效的碰撞检测;然后,提出随机树被动生长方法,在保证双臂机器人协同运动的基础上,降低规划空间的维度.最后,在随机树的节点处引入引力函数,加快算法的融合速度.仿真结果表明,引力自适应步长RRT方法可对工作空间中的步长进行有效约束,确保算法碰撞检测的有效性.在无碰撞的前提下,引力自适应步长RRT方法相比于其他算法减少了迭代次数,降低了运行时间并缩短了路径长度.将所提算法应用于双臂机器人的样机实验,结果表明双臂机器人可在保持位置协同的前提下,完成避障运动,验证了算法的可行性.     

基于改进型遗传算法的动态避障路径规划方法

针对遗传算法易陷入局部最优的不足,在标准遗传算法基础上加入了三个新的操作-复原、重构和录优操作,使改进后的遗传算法收敛于全局最优,并在此基础上以路边约束、动态避障和路径最短作为适应度函数,提出了动态避障的路径规划方法.通过实验仿真验证了算法的有效性、准确性和实时性,并与基于以往的遗传算法的路径规划方法进行比较,结果表明本文提出的方法在产生的路径长度和算法运行时间上都具有更优的性能.     

涡流人工势场引导下的RRT*移动机器人路径规划

为了解决快速扩展随机树(R RT)在障碍物密集、通道狭窄的环境中收敛速度缓慢、采样节点密集、路径曲折复杂等问题,围绕RRT的一种常见的变体算法RRT*,设计了一种由人工势场(APF)引导RRT*进行路径规划的方法.首先,使用涡流约束向外发散的斥力场,沿着切向梯度方向形成涡流场,并利用涡流人工势场(VAPF)在RRT*偏...     

基于粒子群模糊的除冰机器人越障规划

由于除冰机器人多在天气恶劣,覆冰较厚的输电线路上工作,现有的基于视觉伺服越障策略存在图像质量差,冰、线区分难等不足。根据模糊逻辑和粒子群优化原理,提出了一种除冰机器人在线越障和路径规划方法。该方法通过模糊规划器实现除冰机器人机械臂的无障跟踪和平稳越障。在此基础上,以机械臂末端经过路径长度和与目标点距离的综合最小为目标,利用粒子群算法对模糊规划器输出角度进行在线优化。仿真结果表明:与传统的模糊越障规划相比,该方法不仅满足除冰机器人实时规划和自主越障的要求,缩短了机械臂经过轨迹的长度,提高了除冰机器人的工作效率和续航能力,为实际工程应用中除冰机器人的能源短缺问题,提供了一种节约使用方案,具有一定的工程应用价值。     

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。     

基于BIM的建筑机器人自主路径规划及避障研究

针对建筑机器人进入施工位置全局路径规划最优且可实时避障的要求,提出了一种新型的导航地图建立方法,通过建筑物BIM（Building Information Modeling）模型建立导航地图,通过优化A*算法搜索点选取策略,以及删除了路径上的冗余转折点,缩短算法运行时间,且规划出的全局路径不会紧贴着建筑物墙壁,有效降低了机器人与墙体发生碰撞的可能性。结合动态窗口算法进行局部路径规划,在全局路径关键点之间使用动态窗口法,且加入了新的刹车判定条件,使得机器人的运动连续化。实验结果表明改进后的A*算法运行时间相较于原始算法减少50%以上,每去除一个冗余转折点路径长度减少0.4?m,路径与障碍物之间的距离比原始算法增加了2倍,结合了动态窗口法之后能够较好地避开障碍且输出的控制参数连续化。     

Grafting: A Path Replanning Technique for Rapidly-Exploring Random Trees in Dynamic Environments

The rapidly-exploring random trees (RRT) is a sampling-based path planner which utilizes simultaneously kinematics and dynamics of a robot. However, since the RRT has produced a robot path without taking the existence of dynamic obstacles into consideration, RRT-based navigation has the risk of a collision with dynamic obstacles. We proposed a path replanning technique for the RRT applied to robot navigation in dynamic environments, which is named grafting. The proposed technique replans a safe and efficient path in real time instead of the original path which may cause a collision with dynamic obstacles. Moreover, the replanned path can be easily merged into the original RRT path because the grafting technique preserves the property of the RRT. The grafting technique was tested by simulations in various dynamic environments, which revealed that the grafting technique was capable of replanning a safe and efficient path for RRT-based navigation in real time.