期刊文献+
共找到4篇文章
< 1 >
每页显示 20 50 100
基于改进RRT算法的机械臂路径规划 被引量:21
1
作者 蔡文涛 邓屹 +3 位作者 张静 张永波 饶爽 阳康 《传感器与微系统》 CSCD 2019年第5期121-124,共4页
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... 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。 展开更多
关键词 机械臂 路径规划算法 快速探索随机树算法(RRT) 目标概率偏置与步长控制
在线阅读 下载PDF
面向复杂城市环境的无人机动态航迹规划算法
2
作者 肖海林 马仁煜 +2 位作者 张中山 武紫豪 孔祥婷 《计算机应用研究》 2025年第12期3668-3674,共7页
针对复杂城市场景下传统蚁群算法搜索效率不高、易陷入局部最优等问题,提出了一种无人机动态航迹规划算法。该算法定义了飞行转角和飞行高度代价函数,建立了无人机三维航迹规划目标函数,实现了对三维航迹的全局优化;其次,该算法对信息... 针对复杂城市场景下传统蚁群算法搜索效率不高、易陷入局部最优等问题,提出了一种无人机动态航迹规划算法。该算法定义了飞行转角和飞行高度代价函数,建立了无人机三维航迹规划目标函数,实现了对三维航迹的全局优化;其次,该算法对信息素浓度进行非均匀的初始化,并引入了快速探索随机树算法来改进个体状态转移规则,避免算法陷入局部最优;接着,通过设计一种非线性动态调整的信息素挥发因子来提高算法的搜索效率;最终,采用准均匀B样条曲线优化路径使其更符合无人机的飞行轨迹。为验证所提算法的有效性和优越性,分别进行了策略有效性检验、算法性能测试,并与其他智能算法在不同环境模型下开展了对比实验。实验结果表明,所提算法的平均收敛精度在所有参与对比的算法中最小,这表明该算法具有更强的寻优能力和更高的搜索效率,在复杂城市环境下能有效地避开静态和动态障碍物,得到符合要求的航迹。 展开更多
关键词 蚁群算法 快速探索随机树算法 初始化 信息素挥发因子 B样条曲线 无人机动态航迹规划
在线阅读 下载PDF
考虑地面行人安全的无人机低风险路径规划策略 被引量:3
3
作者 李奇洋 涂海燕 叶鸿达 《电子测量技术》 北大核心 2023年第20期58-64,共7页
为了提升无人机点到点作业任务的安全性,本文提出了一种低风险路径规划策略。低风险路径规划策略包括风险评估和路径规划两部分。在风险评估部分,以无人机对地面行人的风险作为评估指标,建立风险值评估模型和风险等级评估模型,以风险图... 为了提升无人机点到点作业任务的安全性,本文提出了一种低风险路径规划策略。低风险路径规划策略包括风险评估和路径规划两部分。在风险评估部分,以无人机对地面行人的风险作为评估指标,建立风险值评估模型和风险等级评估模型,以风险图作为结果表征无人机作业的安全程度。在路径规划部分,结合风险评估模型的特有背景和特点,提出了一种改进快速探索随机树*算法,这一算法使用了路径冲突检测和优先探索等策略,可以更加有效的探索到低风险路径。最终,案例分析表明,低风险路径规划策略能有效规划出避开风险较高区域的作业路径,其路径风险代价相比于直线飞行降低了13.16%,其路径规划时间相比于对比算法降低了60.63%和12.20%。因此,这一规划策略具有实用价值,可以提升无人机作业的安全性。 展开更多
关键词 行人安全 无人机 风险评估 风险地图 路径规划 快速探索随机*算法
在线阅读 下载PDF
复杂环境下基于RRT^(*)引导MPPI的移动机器人路径规划
4
作者 郑建校 黄子健 +2 位作者 刘金颂 童枭扬 陈刚 《计算机应用研究》 2025年第12期3675-3682,共8页
针对复杂环境下路径规划的高效性和动态避障问题,提出了一种融合全局快速随机探索树(rapidly exploring random tree^(*),RRT^(*))与局部模型预测路径积分(model predictive path integral,MPPI)的路径规划算法。在全局规划阶段,改进的R... 针对复杂环境下路径规划的高效性和动态避障问题,提出了一种融合全局快速随机探索树(rapidly exploring random tree^(*),RRT^(*))与局部模型预测路径积分(model predictive path integral,MPPI)的路径规划算法。在全局规划阶段,改进的RRT^(*)算法通过环境感知模型评估局部环境复杂度,并引入方向偏置因子优化路径的收敛速度。同时,提出了自适应重布线半径和剪切插值策略,提高了搜索效率,为算法提供高质量的导航节点。在局部规划阶段,基于RRT^(*)的初始全局路径,模型预测路径积分结合自适应目标点导航策略,在动态半径圆内对路径节点进行搜索,并根据权重评估选取最优导航点。引入障碍物动态约束增强动态避障能力,实现路径的实时调整以规避动态障碍物。实验结果表明,所提出的改进算法与标准RRT^(*)引导MPPI算法在复杂动态环境中相比,规划成功率提高了12.37%,规划时间降低了29.20%,且总移动距离也小于其他方法,显著提高了路径规划效率和路径平滑性,表现出优异的鲁棒性和适应性。 展开更多
关键词 移动机器人 快速随机探索算法 模型预测路径积分 路径规划 权重函数 动态避障
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部