针对快速搜索随机树(rapidly exploring random trees,RRT)路径规划算法存在搜索效率低、路径节点多以及路径质量差等问题,提出了ε-动态三角采样区域和过渡递归回溯的RRT路径规划算法(ε-dynamic triangular sampling region and trans...针对快速搜索随机树(rapidly exploring random trees,RRT)路径规划算法存在搜索效率低、路径节点多以及路径质量差等问题,提出了ε-动态三角采样区域和过渡递归回溯的RRT路径规划算法(ε-dynamic triangular sampling region and transition recursive backtracking,ε-DT-RRT)。由于RRT算法采样点随机性大,因此通过构建ε-动态三角采样区域,利用树中节点划分采样空间,减少低价值区域搜索次数,增强环境探索能力,提升采样效率。在此基础上,提出了基于障碍物生成过渡节点的方法,当新点与树中最近点之间存在障碍时,将会生成一个过渡节点,增加获取最优节点概率。最后通过递归回溯祖节点方法进一步减少路径中的冗余点,缩短了路径长度。实验结果表明:ε-DT-RRT算法在规划时间、路径质量、迭代次数等方面均优于对比算法。展开更多
文摘针对快速搜索随机树(rapidly exploring random trees,RRT)路径规划算法存在搜索效率低、路径节点多以及路径质量差等问题,提出了ε-动态三角采样区域和过渡递归回溯的RRT路径规划算法(ε-dynamic triangular sampling region and transition recursive backtracking,ε-DT-RRT)。由于RRT算法采样点随机性大,因此通过构建ε-动态三角采样区域,利用树中节点划分采样空间,减少低价值区域搜索次数,增强环境探索能力,提升采样效率。在此基础上,提出了基于障碍物生成过渡节点的方法,当新点与树中最近点之间存在障碍时,将会生成一个过渡节点,增加获取最优节点概率。最后通过递归回溯祖节点方法进一步减少路径中的冗余点,缩短了路径长度。实验结果表明:ε-DT-RRT算法在规划时间、路径质量、迭代次数等方面均优于对比算法。
