-
题名基于MBIT^(*)的移动机器人渐进最优路径规划
- 1
-
-
作者
陈正升
田楚开
刘凯旋
王雪松
程玉虎
陈彦杰
-
机构
中国矿业大学信息与控制工程学院
国防科技大学智能科学学院
-
出处
《仪器仪表学报》
北大核心
2025年第5期352-364,共13页
-
基金
国家重点研发计划(2024YFC3016303)
国家自然科学基金(62373364,62273098)
+1 种基金
国家自然科学基金(62373364)
国家重点研发计划课题(2024YFC3016303)中国矿业大学集萃研究生教育教学改革专项(2025JCJG012)项目资助。
-
文摘
提出一种基于多批量知情树(Multi-Batch Informed Trees,MBIT^(*))的移动机器人路径规划算法以降低路径规划时间及路径长度。该算法包含多知情集生成及路径优化两个步骤。首先,基于广义维诺图生成移动机器人启发式无碰撞参考路径;之后,基于批量知情树(Batch Informed Trees,BIT^(*))及初始参考路径提出并构建多知情集搜索方法,进而移动机器人路径规划的采样区域并提高路径搜索效率。以此为基础,为避免现有批量知情树算法中采样点的不均匀分布问题,根据障碍物与知情集分布引入偏置采样算法,规划出狭窄环境下移动机器人的搜索时间与长度最优路径;为证明算法有效性,对提出的多批量知情树算法进行理论分析,结果表明该算法具有概率完备性及渐进最优性且计算复杂度及存储空间具有可测性;同时,开发提出的多批量知情树算法软件模块,并将其集成到机器人操作系统;为进一步对算法进行验证,在典型地图下将提出的多批量知情树路径规划算法与目前常用的基于采样的路径规划算法进行仿真研究与性能对比,并在典型地图下对算法开展真机实验研究。结果表明,提出基于多批量知情树的移动机器人路径规划算法在路径长度与规划时间具有显著优势,并具有可实现性。
-
关键词
多批量知情树
偏置高斯采样
路径规划
多知情集
机器人操作系统
-
Keywords
batch informed trees(BIT^(*))
biased Gaussian sampling
path planning
multi-informed subset
robot operating system
-
分类号
TP242.
[自动化与计算机技术—检测技术与自动化装置]
-
