摘 要: | 针对RRT(rapidly-exploring random tree)算法路径规划时间长,采样点利用率低,最终生成的路径曲折等问题,提出了一种改进RRT算法。采用基于动态概率的采样策略,避免机器人在采样的过程中陷入局部极小值;同时提出了变步长的随机树扩展策略,减少了采样点数量;最后,使用五次贝塞尔曲线对路径进行平滑处理,使最终生成的路径利于机器人移动。在MATLAB平台上进行仿真分析,并使用基于ROS的移动机器人进行实验,将改进RRT算法与RRT算法、目标偏向RRT算法进行对比。仿真结果表明改进RRT算法规划的路径长度减少了23.09%,规划时间减少了87.16%,并且路径更平滑。
|