针对机械臂路径规划中快速扩展随机树(rapidly-exploring random tree,RRT)算法存在的规划效率偏低、迭代次数冗余和节点冗余度高等问题,提出一种基于三棵树协同增长机制的改进路径规划算法。改进算法采用起点相连树、中心扩展树和终点...针对机械臂路径规划中快速扩展随机树(rapidly-exploring random tree,RRT)算法存在的规划效率偏低、迭代次数冗余和节点冗余度高等问题,提出一种基于三棵树协同增长机制的改进路径规划算法。改进算法采用起点相连树、中心扩展树和终点相连树的三树协同架构,同步构建起点相连树与终点相连树,实现向中心树的双向协同靠拢;设计适配性限定采样空间并融合目标偏置扩展技术,显著提升树节点生成的有效性与生长的定向性;路径生成后,采用反向搜索剪枝完成路径粗优化,结合正向插值剪枝实现路径精优化,通过二者协同作用缩短路径长度,最终采用三次B样条曲线完成路径平滑处理。基于Matlab和机器人操作系统2(Robot Operating System 2,ROS2)平台的MoveIt2的三维随机地图仿真实验表明,与传统算法相比,改进算法在路径长度略微减少的前提下,规划时间缩短40%~70%,迭代次数减少50%~70%,有效提升机械臂避障路径规划的效率和质量。展开更多
针对RRT(Rapidly-exploring Random Tree)算法在机器人路径规划过程存在采样点随机性高、算法效率低、路径规划时间长以及规划路径冗长等问题,文中提出一种结合人工势场法的双向RRT路径规划算法。将传统RRT算法中单向扩展方式改为由起...针对RRT(Rapidly-exploring Random Tree)算法在机器人路径规划过程存在采样点随机性高、算法效率低、路径规划时间长以及规划路径冗长等问题,文中提出一种结合人工势场法的双向RRT路径规划算法。将传统RRT算法中单向扩展方式改为由起点和终点同时进行扩展,在节点扩展时加入人工势场法进行引导,增加节点扩展的目的性。将固定步长改换为可变步长,使随机树可以更快地向目标点扩展。对生成路径进行剪枝处理,删除路径中的冗余节点,进一步缩短路径长度。利用MATLAB仿真平台在相同环境下对比所提改进算法与RRT-Connect算法、DRRT-Connect(Dynamic Rapidly-exploring Random Tree Connect)算法、GB(Goal-Biased)-RRT算法、A*算法、PRM(Probabilistic Road Map)算法的路径规划效果。仿真结果表明,所提改进算法与其他改进算法相比最短路径缩短了7%,最短搜索时间降低了65%,提高了算法的规划效率。将所提算法应用于机器人,结果证明了其具有较强可行性。展开更多
摘要针对机械臂路径规划中快速扩展随机树(rapidly-exploring random tree,RRT)算法存在的规划效率偏低、迭代次数冗余和节点冗余度高等问题,提出一种基于三棵树协同增长机制的改进路径规划算法。改进算法采用起点相连树、中心扩展树和终点相连树的三树协同架构,同步构建起点相连树与终点相连树,实现向中心树的双向协同靠拢;设计适配性限定采样空间并融合目标偏置扩展技术,显著提升树节点生成的有效性与生长的定向性;路径生成后,采用反向搜索剪枝完成路径粗优化,结合正向插值剪枝实现路径精优化,通过二者协同作用缩短路径长度,最终采用三次B样条曲线完成路径平滑处理。基于Matlab和机器人操作系统2(Robot Operating System 2,ROS2)平台的MoveIt2的三维随机地图仿真实验表明,与传统算法相比,改进算法在路径长度略微减少的前提下,规划时间缩短40%~70%,迭代次数减少50%~70%,有效提升机械臂避障路径规划的效率和质量。
摘要针对RRT(Rapidly-exploring Random Tree)算法在机器人路径规划过程存在采样点随机性高、算法效率低、路径规划时间长以及规划路径冗长等问题,文中提出一种结合人工势场法的双向RRT路径规划算法。将传统RRT算法中单向扩展方式改为由起点和终点同时进行扩展,在节点扩展时加入人工势场法进行引导,增加节点扩展的目的性。将固定步长改换为可变步长,使随机树可以更快地向目标点扩展。对生成路径进行剪枝处理,删除路径中的冗余节点,进一步缩短路径长度。利用MATLAB仿真平台在相同环境下对比所提改进算法与RRT-Connect算法、DRRT-Connect(Dynamic Rapidly-exploring Random Tree Connect)算法、GB(Goal-Biased)-RRT算法、A*算法、PRM(Probabilistic Road Map)算法的路径规划效果。仿真结果表明,所提改进算法与其他改进算法相比最短路径缩短了7%,最短搜索时间降低了65%,提高了算法的规划效率。将所提算法应用于机器人,结果证明了其具有较强可行性。