期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到1篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于节点到障碍物距离的自适应扩展RRT^(*)路径规划算法 被引量：1
1
作者 王蔡琪 崔西宁 +1 位作者 熊毅 伍世虔 《计算机应用》 北大核心 2025年第3期920-927,共8页
快速扩展随机树星(RRT^(*))因具有渐近最优性和概率完备性,在机器人路径规划领域有广泛的应用。然而,RRT^(*)及其改进算法仍存在初始路径质量差、路径收敛慢和探索效率低等缺陷。针对这些问题,提出一种基于节点到障碍物距离的自适应扩展... 快速扩展随机树星(RRT^(*))因具有渐近最优性和概率完备性,在机器人路径规划领域有广泛的应用。然而,RRT^(*)及其改进算法仍存在初始路径质量差、路径收敛慢和探索效率低等缺陷。针对这些问题,提出一种基于节点到障碍物距离的自适应扩展RRT^(*)算法——AE-RRT^(*)。为提高探索效率,采用基于节点到障碍物距离的动态目标偏置采样策略和动态步长策略,从而在更短的时间内获得初始路径。为提高路径的质量,提出一种更精确的选择父节点的方法MA-ChooseParent,从而扩大选择父节点的集合。此外,为加快路径收敛,在路径收敛阶段采用基于节点到障碍物距离的自适应高斯采样方法和全局高斯采样方法AG-Gaussian Sample。通过Matlab中的仿真实验将AE-RRT^(*)与RRT^(*)、Quick-RRT^(*)、Bi-RRT^(*)、Informed-RRT^(*)和Smart-RRT^(*)进行对比。实验结果表明,与RRT^(*)相比,AE-RRT^(*)在二维环境中找到初始路径的时间、初始路径的长度和收敛至全局次优路径的时间分别减少了63.78%、6.55%和71.93%;在三维环境中的3个指标分别减少了59.44%、18.26%和79.58%。 展开更多
关键词 快速扩展随机树 动态目标偏置采样 动态步长策略 自适应高斯采样 路径规划
在线阅读 下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
关于我们 | 版权声明 | 联系我们 | 帮助中心| 意见反馈
主办单位：上海市教育委员会
技术支持：重庆维普资讯有限公司
渝公网安备 50019002500403号
使用帮助 返回顶部