路径规划是移动机器人的重要研究内容。快速扩展随机树(Rapidly-Exploring Random Tree,RRT)算法因在机器人路径规划中的成功应用,自提出以来就得到了极大的研究与发展。快速扩展随机树作为一种新颖的随机节点采样算法,相对传统路径规...路径规划是移动机器人的重要研究内容。快速扩展随机树(Rapidly-Exploring Random Tree,RRT)算法因在机器人路径规划中的成功应用,自提出以来就得到了极大的研究与发展。快速扩展随机树作为一种新颖的随机节点采样算法,相对传统路径规划算法,具有建模时间短、搜索能力强、方便添加非完整约束等优点。介绍了快速扩展随机树算法的基本原理与性质,并从单向随机树扩展、多向随机树扩展、其他改进等方面概括了算法的研究现状。最后,展望了算法未来的研究方向与挑战。展开更多
智能体路径规划算法旨在规划某个智能体的行为轨迹,使其在不碰到障碍物的情况下安全且高效地从起始点到达目标点.目前智能体路径规划算法已经被广泛应用到各种重要的物理信息系统中,因此在实际投入使用前对算法进行测试,以评估其性能是...智能体路径规划算法旨在规划某个智能体的行为轨迹,使其在不碰到障碍物的情况下安全且高效地从起始点到达目标点.目前智能体路径规划算法已经被广泛应用到各种重要的物理信息系统中,因此在实际投入使用前对算法进行测试,以评估其性能是否满足需求就非常重要.然而,作为路径规划算法的输入,任务空间中威胁障碍物的分布形式复杂且多样.此外,路径规划算法在为每个测试用例规划路径时,通常需要较高的运行代价.为了提升路径规划算法的测试效率,将动态随机测试思想引入到路径规划算法中,提出了面向智能体路径规划算法的动态随机测试方法(dynamic random testing approach for intelligent agent path planning algorithms,DRT-PP).具体来说,DRT-PP对路径规划任务空间进行离散划分,并在每个子区域内引入威胁生成概率,进而构建测试剖面,该测试剖面可以作为测试策略在测试用例生成过程中使用.此外,DRT-PP在测试过程中通过动态调整测试剖面,使其逐渐优化,从而提升测试效率.实验结果显示,与随机测试及自适应随机测试相比,DRT-PP方法能够在保证测试用例多样性的同时,生成更多能够暴露被测算法性能缺陷的测试用例.展开更多
为解决快速扩展随机树算法(rapid-exploration random tree,RRT*)在三维环境中盲目搜索路径以及缺乏节点扩展记忆性等问题,提出一种融合蚁群算法的双向搜索算法ACO-RRT*。为适应精细化三维建模环境和解决地面起伏不平坦等问题,对RRT*算...为解决快速扩展随机树算法(rapid-exploration random tree,RRT*)在三维环境中盲目搜索路径以及缺乏节点扩展记忆性等问题,提出一种融合蚁群算法的双向搜索算法ACO-RRT*。为适应精细化三维建模环境和解决地面起伏不平坦等问题,对RRT*算法进行改进优化。采用双向搜索策略,在起点和终点同时运行改进后的RRT算法和蚁群算法,相向而行,对路径长度和运行时间进行优化。针对生成路径不够平滑等问题,引入B样条曲线平滑策略优化路径。仿真结果表明,所提算法能够有效用于机器人三维路径规划。展开更多
无人机路径规划源于机器人运动规划,是当下无人机应用研究的核心内容,对提高无人机系统在复杂环境中的作业能力起着关键作用。针对快速扩展随机树(Rapidly-exploring Random Tree,RRT)算法进行无人机路径规划时搜索随机性高、存在冗余...无人机路径规划源于机器人运动规划,是当下无人机应用研究的核心内容,对提高无人机系统在复杂环境中的作业能力起着关键作用。针对快速扩展随机树(Rapidly-exploring Random Tree,RRT)算法进行无人机路径规划时搜索随机性高、存在冗余路径和路径平滑性差的问题,提出了一种面向无人机路径规划的改进RRT算法。改进RRT算法在RRT算法的基础上结合人工势场法中的引力函数使得随机节点的产生具有目标导向性,限制了随机树的拓展方向,从而降低了搜索的随机性;结合贪心算法对规划所得路径进行剪枝优化,去除冗余节点,缩短了路径长度;结合B样条曲线对路径进行平滑性处理,去除曲率突变的转折点,形成一条平滑的适合无人机实际飞行的路径。通过仿真软件对A^(*)算法、传统RRT算法与改进RRT算法进行对比分析,仿真结果表明,提出的改进RRT算法性能更高,在狭窄通道场景与复杂障碍物场景下相比于传统RRT算法平均规划时间各减少49.44%和17.97%,相比于A^(*)算法平均规划时间各减少了80.23%和52.93%,得到的路径更短更为平缓,同时大幅降低了RRT算法路径规划失败的可能性,验证了改进RRT算法的可行性与有效性,解决了原算法随机性高、存在冗余路径和平滑性差的问题。展开更多
文摘路径规划是移动机器人的重要研究内容。快速扩展随机树(Rapidly-Exploring Random Tree,RRT)算法因在机器人路径规划中的成功应用,自提出以来就得到了极大的研究与发展。快速扩展随机树作为一种新颖的随机节点采样算法,相对传统路径规划算法,具有建模时间短、搜索能力强、方便添加非完整约束等优点。介绍了快速扩展随机树算法的基本原理与性质,并从单向随机树扩展、多向随机树扩展、其他改进等方面概括了算法的研究现状。最后,展望了算法未来的研究方向与挑战。
文摘智能体路径规划算法旨在规划某个智能体的行为轨迹,使其在不碰到障碍物的情况下安全且高效地从起始点到达目标点.目前智能体路径规划算法已经被广泛应用到各种重要的物理信息系统中,因此在实际投入使用前对算法进行测试,以评估其性能是否满足需求就非常重要.然而,作为路径规划算法的输入,任务空间中威胁障碍物的分布形式复杂且多样.此外,路径规划算法在为每个测试用例规划路径时,通常需要较高的运行代价.为了提升路径规划算法的测试效率,将动态随机测试思想引入到路径规划算法中,提出了面向智能体路径规划算法的动态随机测试方法(dynamic random testing approach for intelligent agent path planning algorithms,DRT-PP).具体来说,DRT-PP对路径规划任务空间进行离散划分,并在每个子区域内引入威胁生成概率,进而构建测试剖面,该测试剖面可以作为测试策略在测试用例生成过程中使用.此外,DRT-PP在测试过程中通过动态调整测试剖面,使其逐渐优化,从而提升测试效率.实验结果显示,与随机测试及自适应随机测试相比,DRT-PP方法能够在保证测试用例多样性的同时,生成更多能够暴露被测算法性能缺陷的测试用例.
文摘为解决快速扩展随机树算法(rapid-exploration random tree,RRT*)在三维环境中盲目搜索路径以及缺乏节点扩展记忆性等问题,提出一种融合蚁群算法的双向搜索算法ACO-RRT*。为适应精细化三维建模环境和解决地面起伏不平坦等问题,对RRT*算法进行改进优化。采用双向搜索策略,在起点和终点同时运行改进后的RRT算法和蚁群算法,相向而行,对路径长度和运行时间进行优化。针对生成路径不够平滑等问题,引入B样条曲线平滑策略优化路径。仿真结果表明,所提算法能够有效用于机器人三维路径规划。
文摘无人机路径规划源于机器人运动规划,是当下无人机应用研究的核心内容,对提高无人机系统在复杂环境中的作业能力起着关键作用。针对快速扩展随机树(Rapidly-exploring Random Tree,RRT)算法进行无人机路径规划时搜索随机性高、存在冗余路径和路径平滑性差的问题,提出了一种面向无人机路径规划的改进RRT算法。改进RRT算法在RRT算法的基础上结合人工势场法中的引力函数使得随机节点的产生具有目标导向性,限制了随机树的拓展方向,从而降低了搜索的随机性;结合贪心算法对规划所得路径进行剪枝优化,去除冗余节点,缩短了路径长度;结合B样条曲线对路径进行平滑性处理,去除曲率突变的转折点,形成一条平滑的适合无人机实际飞行的路径。通过仿真软件对A^(*)算法、传统RRT算法与改进RRT算法进行对比分析,仿真结果表明,提出的改进RRT算法性能更高,在狭窄通道场景与复杂障碍物场景下相比于传统RRT算法平均规划时间各减少49.44%和17.97%,相比于A^(*)算法平均规划时间各减少了80.23%和52.93%,得到的路径更短更为平缓,同时大幅降低了RRT算法路径规划失败的可能性,验证了改进RRT算法的可行性与有效性,解决了原算法随机性高、存在冗余路径和平滑性差的问题。
