针对快速扩展随机树(rapid-exploration random tree^(*),RRT^(*))算法在三维避障路径规划中存在盲目性、低效率和路径不光滑的问题,提出一种改进的RRT^(*)算法,以提高焊接机器人路径规划的性能。通过采用双向搜索策略,缩短搜索时间;结...针对快速扩展随机树(rapid-exploration random tree^(*),RRT^(*))算法在三维避障路径规划中存在盲目性、低效率和路径不光滑的问题,提出一种改进的RRT^(*)算法,以提高焊接机器人路径规划的性能。通过采用双向搜索策略,缩短搜索时间;结合人工势场(artificial potential field,APF)算法与RRT^(*)算法以提升路径平滑性并平衡局部优化与全局最优;提出一种基于角度与密度的改进APF算法策略,提高避障与路径引导效率;提出动态目标偏置策略和动态步长策略,以增强算法在障碍物密集和稀疏区域的自适应性及搜索效率;采用路径修剪策略缩短和平滑路径。最后,通过改进的RRT^(*)算法与RRT^(*)、APF-RRT^(*)、Bi-APF-RRT^(*)(bidirectional-APFRRT^(*))3种算法对比仿真实验以及真机实验,验证了改进算法的高效性和实用性。展开更多
针对传统快速随机搜索树^(*)(rapidly-exploring random tree^(*),RRT^(*))算法收敛速率较慢,且不适用于动态场景等问题,提出一种基于目标点偏置和冗余节点删除的改进RRT*算法,用于解决移动机器人快速找到无碰撞最优路径的问题。此算法...针对传统快速随机搜索树^(*)(rapidly-exploring random tree^(*),RRT^(*))算法收敛速率较慢,且不适用于动态场景等问题,提出一种基于目标点偏置和冗余节点删除的改进RRT*算法,用于解决移动机器人快速找到无碰撞最优路径的问题。此算法在RRT^(*)算法基础上,首先对采样点进行优化处理,保证路径最优的同时减少搜寻时间;其次引入路径节点最大值概念,删除扩展树冗余节点以提高算法效率;最后结合动态窗口(dynamic window approaches,DWA)算法提高路径的安全性和平滑性,实现对动态障碍物的避障。通过3种不同地图下的仿真验证,改进算法能有效提升路径质量,且大幅降低运行时间。展开更多
RRT^(*)(rapidly-exploring random tree star)算法是机械臂路径规划中的一个重要工具,但在高维空间内的应用表现存在搜索效率低下、对维数的敏感度高、难以快速收敛至优化路径等问题。此外机械臂避障的规划需要考虑到路径的平滑性,但...RRT^(*)(rapidly-exploring random tree star)算法是机械臂路径规划中的一个重要工具,但在高维空间内的应用表现存在搜索效率低下、对维数的敏感度高、难以快速收敛至优化路径等问题。此外机械臂避障的规划需要考虑到路径的平滑性,但是算法生成的路径往往缺乏所需的平滑性,难以直接应用于实际的机械臂操作。针对这些问题,研究提出了一个基于贪心策略的RRT^(*)算法改进版本。新算法改进了代价函数和重连策略,并在高维搜索环境中,通过贪心算法进行偏执采样,自适应地选取预设路径节点,从而提高搜索效率,增强轨迹的平滑性并进行直接应用。通过Matlab、ROS仿真和机械臂实际应用避障实验,验证了改进的RRT^(*)算法在三维空间中的高效性和优越性,尤其是在搜索效率与路径平滑性等方面。展开更多
为实现移动机器人在复杂动态障碍物环境中的避障,提出一种改进的快速随机扩展树(rapidly-exploring random tree,RRT^(*))与动态窗口法(dynamic window approach,DWA)相融合的动态路径规划方法。基于已知环境信息,利用改进RRT^(*)算法...为实现移动机器人在复杂动态障碍物环境中的避障,提出一种改进的快速随机扩展树(rapidly-exploring random tree,RRT^(*))与动态窗口法(dynamic window approach,DWA)相融合的动态路径规划方法。基于已知环境信息,利用改进RRT^(*)算法生成全局最优安全路径。通过消除RRT^(*)算法产生的危险节点,来确保全局路径的安全性;使用贪婪算法去除路径中的冗余节点,以缩短全局路径的长度。利用DWA算法跟踪改进RRT^(*)算法规划的最优路径。当全局路径上出现静态障碍物时,通过二次调整DWA算法评价函数的权重来避开障碍物并及时回归原路线;当环境中出现移动障碍物时,通过提前检测危险距离并转向加速的方式安全驶离该区域。仿真结果表明:该算法在复杂动态环境中运行时间短、路径成本小,与障碍物始终保持安全距离,确保在安全避开动态障碍物的同时,跟踪最优路径。展开更多
文摘针对快速扩展随机树(rapid-exploration random tree^(*),RRT^(*))算法在三维避障路径规划中存在盲目性、低效率和路径不光滑的问题,提出一种改进的RRT^(*)算法,以提高焊接机器人路径规划的性能。通过采用双向搜索策略,缩短搜索时间;结合人工势场(artificial potential field,APF)算法与RRT^(*)算法以提升路径平滑性并平衡局部优化与全局最优;提出一种基于角度与密度的改进APF算法策略,提高避障与路径引导效率;提出动态目标偏置策略和动态步长策略,以增强算法在障碍物密集和稀疏区域的自适应性及搜索效率;采用路径修剪策略缩短和平滑路径。最后,通过改进的RRT^(*)算法与RRT^(*)、APF-RRT^(*)、Bi-APF-RRT^(*)(bidirectional-APFRRT^(*))3种算法对比仿真实验以及真机实验,验证了改进算法的高效性和实用性。
文摘针对传统快速随机搜索树^(*)(rapidly-exploring random tree^(*),RRT^(*))算法收敛速率较慢,且不适用于动态场景等问题,提出一种基于目标点偏置和冗余节点删除的改进RRT*算法,用于解决移动机器人快速找到无碰撞最优路径的问题。此算法在RRT^(*)算法基础上,首先对采样点进行优化处理,保证路径最优的同时减少搜寻时间;其次引入路径节点最大值概念,删除扩展树冗余节点以提高算法效率;最后结合动态窗口(dynamic window approaches,DWA)算法提高路径的安全性和平滑性,实现对动态障碍物的避障。通过3种不同地图下的仿真验证,改进算法能有效提升路径质量,且大幅降低运行时间。
文摘RRT^(*)(rapidly-exploring random tree star)算法是机械臂路径规划中的一个重要工具,但在高维空间内的应用表现存在搜索效率低下、对维数的敏感度高、难以快速收敛至优化路径等问题。此外机械臂避障的规划需要考虑到路径的平滑性,但是算法生成的路径往往缺乏所需的平滑性,难以直接应用于实际的机械臂操作。针对这些问题,研究提出了一个基于贪心策略的RRT^(*)算法改进版本。新算法改进了代价函数和重连策略,并在高维搜索环境中,通过贪心算法进行偏执采样,自适应地选取预设路径节点,从而提高搜索效率,增强轨迹的平滑性并进行直接应用。通过Matlab、ROS仿真和机械臂实际应用避障实验,验证了改进的RRT^(*)算法在三维空间中的高效性和优越性,尤其是在搜索效率与路径平滑性等方面。
文摘为实现移动机器人在复杂动态障碍物环境中的避障,提出一种改进的快速随机扩展树(rapidly-exploring random tree,RRT^(*))与动态窗口法(dynamic window approach,DWA)相融合的动态路径规划方法。基于已知环境信息,利用改进RRT^(*)算法生成全局最优安全路径。通过消除RRT^(*)算法产生的危险节点,来确保全局路径的安全性;使用贪婪算法去除路径中的冗余节点,以缩短全局路径的长度。利用DWA算法跟踪改进RRT^(*)算法规划的最优路径。当全局路径上出现静态障碍物时,通过二次调整DWA算法评价函数的权重来避开障碍物并及时回归原路线;当环境中出现移动障碍物时,通过提前检测危险距离并转向加速的方式安全驶离该区域。仿真结果表明:该算法在复杂动态环境中运行时间短、路径成本小,与障碍物始终保持安全距离,确保在安全避开动态障碍物的同时,跟踪最优路径。
