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
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%.
