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
针对实际档案库房操作空间的动态约束性,常见的运动规划算法难以满足快速在线规划的问题,分别从规划速度和动态空间在线规划两个方向进行研究.首先,提出一种新型快速搜索随机树法(rapidly-exploring random trees,RRT),基于剪枝和路径...针对实际档案库房操作空间的动态约束性,常见的运动规划算法难以满足快速在线规划的问题,分别从规划速度和动态空间在线规划两个方向进行研究.首先,提出一种新型快速搜索随机树法(rapidly-exploring random trees,RRT),基于剪枝和路径细化策略能够大幅减少无用节点计算和冗余路径运动.其次,将人工势场法与RRT算法相结合,新节点拓展时会受到期望为当前势场合力的高斯分布的影响,在满足对动态障碍物的在线运动规划的同时提高了算法的拓展能力.最后,通过仿真结果证明,新型RRT算法在拓展效率上的高效性和混合运动规划算法在动态规划和探索效率上的优越性.展开更多
针对现有起重机路径规划效率低的问题,提出一种基于改进快速探索随机树(rapidly-exploring random tree,RRT)的起重机路径规划算法。将广义距离替代经典RRT中欧氏距离,解决多自由度(degree of freedom,DOF)下RRT中距离的定义不明确的问...针对现有起重机路径规划效率低的问题,提出一种基于改进快速探索随机树(rapidly-exploring random tree,RRT)的起重机路径规划算法。将广义距离替代经典RRT中欧氏距离,解决多自由度(degree of freedom,DOF)下RRT中距离的定义不明确的问题。基于降维概念的胞元法,将C构型空间(configuration space,C空间)划分为大小相等的单元格,解决经典RRT中最近邻搜索(nearest neighbor search,NNS)在计算时间和资源方面效率低的问题。实验结果表明:在相同实验条件下,改进的RRT算法比双向RRT算法计算时间减少89.5%,能提高计算时间效率和提升搜寻路径质量,具有一定的参考价值。展开更多
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。
文摘针对实际档案库房操作空间的动态约束性,常见的运动规划算法难以满足快速在线规划的问题,分别从规划速度和动态空间在线规划两个方向进行研究.首先,提出一种新型快速搜索随机树法(rapidly-exploring random trees,RRT),基于剪枝和路径细化策略能够大幅减少无用节点计算和冗余路径运动.其次,将人工势场法与RRT算法相结合,新节点拓展时会受到期望为当前势场合力的高斯分布的影响,在满足对动态障碍物的在线运动规划的同时提高了算法的拓展能力.最后,通过仿真结果证明,新型RRT算法在拓展效率上的高效性和混合运动规划算法在动态规划和探索效率上的优越性.
文摘针对现有起重机路径规划效率低的问题,提出一种基于改进快速探索随机树(rapidly-exploring random tree,RRT)的起重机路径规划算法。将广义距离替代经典RRT中欧氏距离,解决多自由度(degree of freedom,DOF)下RRT中距离的定义不明确的问题。基于降维概念的胞元法,将C构型空间(configuration space,C空间)划分为大小相等的单元格,解决经典RRT中最近邻搜索(nearest neighbor search,NNS)在计算时间和资源方面效率低的问题。实验结果表明:在相同实验条件下,改进的RRT算法比双向RRT算法计算时间减少89.5%,能提高计算时间效率和提升搜寻路径质量,具有一定的参考价值。
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。
