面对采摘作业的复杂环境,提出了一种终点区域RRT(Goal Area RRT,GA-RRT)算法,以提高路径生成的效率并降低路径成本。根据环境系数确定初始步长与终点区域,当拓展节点进入终点区域后,随机点生成范围缩小至终点区域,同时调整步长;然后,在...面对采摘作业的复杂环境,提出了一种终点区域RRT(Goal Area RRT,GA-RRT)算法,以提高路径生成的效率并降低路径成本。根据环境系数确定初始步长与终点区域,当拓展节点进入终点区域后,随机点生成范围缩小至终点区域,同时调整步长;然后,在此基础上引入目标概率偏向方法,提高路径搜索效率;最后,对生成的路径进行简化节点处理以减少路径代价,并使用三次B样条方法平滑路径。仿真实验结果表明:二维环境下,GA-RRT算法相较于RRT、RRT-Connect算法,耗时缩短85.15%、29.86%,路径代价减少19.18%、18.26%;机械臂仿真环境下,与引入目标概率偏向方法的RRT算法进行比较,耗时缩短54.70%,路径代价减少51.59°。利用IRB120机械臂实验平台,验证了算法的可行性。展开更多
文中提出了一种混合RRT(rapid-exploration random tree)搜索算法.算法整体上按照全局路径和局部路径的最优试探开展同步计算.在局部路径计算层面,利用RRT^(*)算法基于周边探测数据,结合前沿点信息进行小尺度路径搜索、全局路径计算层面...文中提出了一种混合RRT(rapid-exploration random tree)搜索算法.算法整体上按照全局路径和局部路径的最优试探开展同步计算.在局部路径计算层面,利用RRT^(*)算法基于周边探测数据,结合前沿点信息进行小尺度路径搜索、全局路径计算层面,利用RRT算法进行粗粒度的路径分支决策,并将已选分支的边缘信号反馈给局部路径的计算.通过RRT^(*)的重剪枝功能,能够在局部进行路径优化,而避免将其用于整体路径优化时可能带来的“选择震荡”风险.仿真实验与真实环境结果表明:将RRT*与RRT在局部和全局两种尺度上的区分使用,相较只使用RRT算法路径长度减少了16.4%.展开更多
针对多障碍物环境下考虑无人机(Unmanned Aerial Vehicle,UAV)始末位姿、转弯半径和航迹长度的1阶光滑约束的UAV航迹规划问题,提出一种基于快速搜索随机树(Rapidly-exploring Random Trees,RRT)算法和Dubins曲线以局部最优逼近全局最优...针对多障碍物环境下考虑无人机(Unmanned Aerial Vehicle,UAV)始末位姿、转弯半径和航迹长度的1阶光滑约束的UAV航迹规划问题,提出一种基于快速搜索随机树(Rapidly-exploring Random Trees,RRT)算法和Dubins曲线以局部最优逼近全局最优的UAV航迹优化方法。利用RRT算法和基于贪心算法的剪枝优化方法,在二维任务空间中规划出满足避障要求的可行离散航路点。采用多条Dubins曲线平滑连接航路点,根据UAV始末位姿确定首尾曲线端点,基于UAV性能、障碍物和飞行参数的约束关系,建立多约束的航迹优化数学模型。通过粒子群优化算法确定曲线类型,同时优化曲线连接处位姿和曲线半径,获得最短航迹。仿真结果表明:所提方法得到的航迹与其他方法相比,在不同障碍物数量和始末位姿的多种场景中,平均长度缩短了11.48%,在避开障碍物的同时,满足UAV动力学约束。展开更多
针对无人机在障碍间存在狭窄通道的城市环境中进行低空航路规划的问题,根据障碍之间的空间几何关系确定障碍之间的狭窄通道,再综合所有狭窄通道生成复杂环境中的狭窄通道路径树。设计了结合狭窄通道路径树的双向快速扩展随机树(Rapidly-...针对无人机在障碍间存在狭窄通道的城市环境中进行低空航路规划的问题,根据障碍之间的空间几何关系确定障碍之间的狭窄通道,再综合所有狭窄通道生成复杂环境中的狭窄通道路径树。设计了结合狭窄通道路径树的双向快速扩展随机树(Rapidly-exploring Random Tree,RRT)算法,在两棵搜索树的扩展过程中,通过判断搜索树与狭窄通道路径树的位置关系,将狭窄通道路径树添加到搜索树上,实现搜索树在狭窄通道中的快速扩展,减少两棵搜索树的无用扩展,提升航路树生成的速度。仿真结果表明,该方法能够解决无人机在存在狭窄通道的复杂环境中进行快速有效航路规划的问题。展开更多
针对快速随机树(Rapidly-exploring Random Trees,RRT)算法在复杂环境下规划效率低的问题,提出一种基于RRT的机械臂路径规划改进算法。首先,在初始采样时应用角度约束采样策略限制采样区域,提升采样质量。然后,在扩展节点时融合人工势...针对快速随机树(Rapidly-exploring Random Trees,RRT)算法在复杂环境下规划效率低的问题,提出一种基于RRT的机械臂路径规划改进算法。首先,在初始采样时应用角度约束采样策略限制采样区域,提升采样质量。然后,在扩展节点时融合人工势场法的思想,设定动态步长加快算法的收敛,提升算法在障碍物空间的探索效率,当算法陷入局部极小值时,采用节点拒绝策略快速脱离。最后,将规划路径进行简化处理,并利用B样条曲线平滑拐点提高路径质量。仿真结果表明,改进算法相比传统RRT算法,扩展更具导向性,收敛速度更快,可以有效避免局部极小值。展开更多
文摘面对采摘作业的复杂环境,提出了一种终点区域RRT(Goal Area RRT,GA-RRT)算法,以提高路径生成的效率并降低路径成本。根据环境系数确定初始步长与终点区域,当拓展节点进入终点区域后,随机点生成范围缩小至终点区域,同时调整步长;然后,在此基础上引入目标概率偏向方法,提高路径搜索效率;最后,对生成的路径进行简化节点处理以减少路径代价,并使用三次B样条方法平滑路径。仿真实验结果表明:二维环境下,GA-RRT算法相较于RRT、RRT-Connect算法,耗时缩短85.15%、29.86%,路径代价减少19.18%、18.26%;机械臂仿真环境下,与引入目标概率偏向方法的RRT算法进行比较,耗时缩短54.70%,路径代价减少51.59°。利用IRB120机械臂实验平台,验证了算法的可行性。
文摘文中提出了一种混合RRT(rapid-exploration random tree)搜索算法.算法整体上按照全局路径和局部路径的最优试探开展同步计算.在局部路径计算层面,利用RRT^(*)算法基于周边探测数据,结合前沿点信息进行小尺度路径搜索、全局路径计算层面,利用RRT算法进行粗粒度的路径分支决策,并将已选分支的边缘信号反馈给局部路径的计算.通过RRT^(*)的重剪枝功能,能够在局部进行路径优化,而避免将其用于整体路径优化时可能带来的“选择震荡”风险.仿真实验与真实环境结果表明:将RRT*与RRT在局部和全局两种尺度上的区分使用,相较只使用RRT算法路径长度减少了16.4%.
文摘针对多障碍物环境下考虑无人机(Unmanned Aerial Vehicle,UAV)始末位姿、转弯半径和航迹长度的1阶光滑约束的UAV航迹规划问题,提出一种基于快速搜索随机树(Rapidly-exploring Random Trees,RRT)算法和Dubins曲线以局部最优逼近全局最优的UAV航迹优化方法。利用RRT算法和基于贪心算法的剪枝优化方法,在二维任务空间中规划出满足避障要求的可行离散航路点。采用多条Dubins曲线平滑连接航路点,根据UAV始末位姿确定首尾曲线端点,基于UAV性能、障碍物和飞行参数的约束关系,建立多约束的航迹优化数学模型。通过粒子群优化算法确定曲线类型,同时优化曲线连接处位姿和曲线半径,获得最短航迹。仿真结果表明:所提方法得到的航迹与其他方法相比,在不同障碍物数量和始末位姿的多种场景中,平均长度缩短了11.48%,在避开障碍物的同时,满足UAV动力学约束。
文摘针对无人机在障碍间存在狭窄通道的城市环境中进行低空航路规划的问题,根据障碍之间的空间几何关系确定障碍之间的狭窄通道,再综合所有狭窄通道生成复杂环境中的狭窄通道路径树。设计了结合狭窄通道路径树的双向快速扩展随机树(Rapidly-exploring Random Tree,RRT)算法,在两棵搜索树的扩展过程中,通过判断搜索树与狭窄通道路径树的位置关系,将狭窄通道路径树添加到搜索树上,实现搜索树在狭窄通道中的快速扩展,减少两棵搜索树的无用扩展,提升航路树生成的速度。仿真结果表明,该方法能够解决无人机在存在狭窄通道的复杂环境中进行快速有效航路规划的问题。
文摘针对快速随机树(Rapidly-exploring Random Trees,RRT)算法在复杂环境下规划效率低的问题,提出一种基于RRT的机械臂路径规划改进算法。首先,在初始采样时应用角度约束采样策略限制采样区域,提升采样质量。然后,在扩展节点时融合人工势场法的思想,设定动态步长加快算法的收敛,提升算法在障碍物空间的探索效率,当算法陷入局部极小值时,采用节点拒绝策略快速脱离。最后,将规划路径进行简化处理,并利用B样条曲线平滑拐点提高路径质量。仿真结果表明,改进算法相比传统RRT算法,扩展更具导向性,收敛速度更快,可以有效避免局部极小值。
