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
针对快速扩展随机树(Rapidly-Exploring Random Tree,RRT)算法在结合无人船进行路径规划时存在规划时间长、路径冗余大、路径平滑度不符合欠驱动无人船航行要求等问题,提出一种改进RRT的无人船全局路径规划算法。算法中将贝叶斯优化算...针对快速扩展随机树(Rapidly-Exploring Random Tree,RRT)算法在结合无人船进行路径规划时存在规划时间长、路径冗余大、路径平滑度不符合欠驱动无人船航行要求等问题,提出一种改进RRT的无人船全局路径规划算法。算法中将贝叶斯优化算法融入目标采样过程,增强目标点采样导向性;引入动态步长和双向贪心剪枝策略作为重要辅助,进一步提升算法效率和路径质量;得到初始路径后采用动态权重3次B样条曲线进一步平滑处理。最后在3种类型障碍物环境下进行仿真实验并与RRT、RRT*算法进行对比。结果表明,改进RRT算法在规划时长、路径长度以及路径质量等方面有明显优势。改进后算法效率更高,路径平滑度更高,研究成果可为无人船自主航行提供参考。展开更多
为提高果园自主移动机器人在山区、丘陵等复杂地形环境下运动路径规划效果,增强机器人野外工作性能,针对果园非结构化布局和起伏地形,本文提出了一种基于改进PF-RRT*(Plane fitting-rapidly exploring random trees star)算法的果园机...为提高果园自主移动机器人在山区、丘陵等复杂地形环境下运动路径规划效果,增强机器人野外工作性能,针对果园非结构化布局和起伏地形,本文提出了一种基于改进PF-RRT*(Plane fitting-rapidly exploring random trees star)算法的果园机器人路径规划方法。利用自适应采样步长策略,在果园不同障碍物密度环境下能够灵活地调节随机树扩展步长。采用自适应目标偏置的势场引导采样方法,能够有效引导随机树避开障碍物并向目标点扩展。此外,在随机树扩展过程引入地形评估函数。通过平面拟合技术对地形坡度、稀疏度和粗糙度进行综合评估,确保规划的路径在复杂地形中可通过性和安全性。最后,采用三次样条插值与高斯过程回归对路径进行平滑和优化。在仿真环境中,改进PF-RRT*算法与RRT*、Q-RRT*和PF-RRT*算法相比,轨迹偏差最多减少46.97%,路径长度最多减少7.64%,规划时间最多减少23.58%,且成功率和避障效果均优于对比算法。真实果园行间试验结果表明,与RRT*、Q-RRT*和PF-RRT*算法相比,改进PF-RRT*算法与理想轨迹偏差量减少34.04%、26.19%、27.91%、路径长度减少6.58%、3.16%和4.10%、规划时间减少30.56%、18.25%和33.52%。表明本文算法在果园复杂地形下能够实现自主移动机器人最优路径规划与导航。展开更多
为解决传统快速搜索随机树(Rapidly-exploring random tree,RRT)算法在机械臂路径规划中存在的导向性差、收敛速度慢、搜索时间长等问题,提出改进RRT算法。首先,采用目标偏置策略,引导随机树朝着目标点方向扩展,缩短搜索时间;其次,在动...为解决传统快速搜索随机树(Rapidly-exploring random tree,RRT)算法在机械臂路径规划中存在的导向性差、收敛速度慢、搜索时间长等问题,提出改进RRT算法。首先,采用目标偏置策略,引导随机树朝着目标点方向扩展,缩短搜索时间;其次,在动态空间中进行采样,避免在同一区域重复采样,提高收敛速度;最后,对初步规划出的路径进行剪枝和平滑处理,剔除冗余点,减小路径代价,提高路径质量。二维和三维空间下的仿真实验表明:改进RRT算法规划出的路径代价更小,路径质量更高,且规划速度更快。展开更多
An improved RRT∗algorithm,referred to as the AGP-RRT∗algorithm,is proposed to address the problems of poor directionality,long generated paths,and slow convergence speed in multi-axis robotic arm path planning.First,a...An improved RRT∗algorithm,referred to as the AGP-RRT∗algorithm,is proposed to address the problems of poor directionality,long generated paths,and slow convergence speed in multi-axis robotic arm path planning.First,an adaptive biased probabilistic sampling strategy is adopted to dynamically adjust the target deviation threshold and optimize the selection of random sampling points and the direction of generating new nodes in order to reduce the search space and improve the search efficiency.Second,a gravitationally adjustable step size strategy is used to guide the search process and dynamically adjust the step-size to accelerate the search speed of the algorithm.Finally,the planning path is processed by pruning,removing redundant points and path smoothing fitting using cubic B-spline curves to improve the flexibility of the robotic arm.Through the six-axis robotic arm path planning simulation experiments on the MATLAB platform,the results show that the AGP-RRT∗algorithm reduces 87.34%in terms of the average running time and 40.39%in terms of the average path cost;Meanwhile,under two sets of complex environments A and B,the average running time of the AGP-RRT∗algorithm is shortened by 94.56%vs.95.37%,and the average path cost is reduced by 55.28%vs.47.82%,which proves the effectiveness of the AGP-RRT∗algorithm in improving the efficiency of multi-axis robotic arm path planning.展开更多
[目的/意义]针对工厂化立体式黄鳝养殖饵料投喂机械臂在受限空间内路径规划速度慢、轨迹冗余度大、避障成功率低等问题,提出一种基于改进BI-RRT*(Bidirectional Rapidly-Exploring Random Tree Star)的受限空间路径规划算法。[方法]...[目的/意义]针对工厂化立体式黄鳝养殖饵料投喂机械臂在受限空间内路径规划速度慢、轨迹冗余度大、避障成功率低等问题,提出一种基于改进BI-RRT*(Bidirectional Rapidly-Exploring Random Tree Star)的受限空间路径规划算法。[方法]在BI-RRT*算法双向扩展策略基础上,引入目标偏置策略,减少随机采样点。同时结合改进的人工势场法,融入目标点和随机点引力概念,通过自适应调节引力系数引导路径向目标节点扩展,有效避免算法陷入局部最优;最后通过渐进优化策略得到最佳轨迹。[结果和讨论]在Matlab平台上,对RRT*算法、APF-RRT*(Artificial Potential Fields Rapidly-Exploring Random Tree Star)算法、BI-RRT*算法及改进BI-RRT*算法进行了仿真分析,研究其在二维和三维空间下简单、受限,以及复杂环境中的表现。仿真数据显示,在不同环境运行中,改进BI-RRT*算法均展现出显著的性能优势。基于黄鳝养殖投喂场景,搭建机械臂机器人操作系统仿真环境并进行受限空间下投喂试验。结果表明,与BI-RRT*算法相比,改进BI-RRT*算法平均运行时间减少41.6%,平均路径长度降低2.3%,平均节点数减少37.9%,以及投喂成功率提高6%。[结论]试验验证改进BIRRT*算法在投喂任务中展现出更优性能,为工厂化立体式黄鳝养殖高效投饵工作提供了参考。展开更多
针对现有无人机测绘点云偏移校正方法多依赖曲率特征筛选配准点、在复杂地形条件下特征辨识度低从而导致校正精度不足的问题,提出一种基于改进快速探索随机树(Rapidly-exploring Random Tree,RRT)算法的点云偏移校正方法。首先,利用改进...针对现有无人机测绘点云偏移校正方法多依赖曲率特征筛选配准点、在复杂地形条件下特征辨识度低从而导致校正精度不足的问题,提出一种基于改进快速探索随机树(Rapidly-exploring Random Tree,RRT)算法的点云偏移校正方法。首先,利用改进RRT算法在待校正点云中自适应筛选子区域并完成匹配,获取可靠对应点对;其次,采用最小二乘法与奇异值分解(Singular Value Decomposition,SVD)相结合的方法求解偏移变换矩阵;最后,以该变换矩阵为核心,对边缘点进行二次优化,实现校正点云的整体整合与优化。实验结果表明,在城区建筑密集区、山地林地等七类典型场景中,该方法的平均绝对误差(Mean Absolute Error,MAE)均达到最优水平;在人工注入0.1~0.6 m梯度平移偏移条件下,均方根误差(Root Mean Square Error,RMSE)仅由0.32 cm增至0.71 cm,在不同场景及偏移量级条件下均表现出良好的高精度校正性能。展开更多
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
为了解决冗余机械臂在复杂环境中的路径规划和避障问题,提出一种基于改进快速扩展随机树(Rapidly Exploring Random Tree,RRT)算法与三维碰撞检测的高效路径规划方法。利用改进算法生成无碰撞的平滑路径,对机器人姿态进行求解,并通过碰...为了解决冗余机械臂在复杂环境中的路径规划和避障问题,提出一种基于改进快速扩展随机树(Rapidly Exploring Random Tree,RRT)算法与三维碰撞检测的高效路径规划方法。利用改进算法生成无碰撞的平滑路径,对机器人姿态进行求解,并通过碰撞检测验证路径的可行性。改进的RRT算法采用基于概率的控制机制来优化随机点生成策略,结合路径平滑算法减少路径节点,同时引入三维碰撞检测技术以确保路径的有效性和安全性。试验结果表明:该方法在二维和三维复杂场景中均能显著提升路径规划效率,成功率和路径平滑性明显优于传统算法。研究成果可为冗余机械臂在复杂环境中的路径规划提供高效、可靠的解决方案,有助于进一步提升其在实际应用中的稳定性和适用性。展开更多
针对快速扩展随机树(Rapidly-exploring Random Trees,RRT)算法在工业机器人复杂工况中进行避障等路径规划中存在的运算效率低、收敛速度慢、搜索空间盲目性等问题,提出一种基于RRT算法的工业机器人路径规划改进算法。应用标准D-H(Denav...针对快速扩展随机树(Rapidly-exploring Random Trees,RRT)算法在工业机器人复杂工况中进行避障等路径规划中存在的运算效率低、收敛速度慢、搜索空间盲目性等问题,提出一种基于RRT算法的工业机器人路径规划改进算法。应用标准D-H(Denavit-Hartenberg)参数法建立六自由度工业机器人的运动学模型,并通过数值分析研究了机器人的正运动学和逆运动学模型,使用机器人工具箱验证了运动学模型的可行性。以机器人运动路径成本和运算时间作为优化目标,依次对改进RRT算法和RRT、Bi-RRT(Bidirectional-RRT)算法进行不同维度的仿真分析和比较。研究结果表明,改进RRT算法优于其他两种算法,将改进RRT算法应用于机器人避障和路径规划中具有良好的效果。展开更多
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。
摘要针对快速扩展随机树(Rapidly-Exploring Random Tree,RRT)算法在结合无人船进行路径规划时存在规划时间长、路径冗余大、路径平滑度不符合欠驱动无人船航行要求等问题,提出一种改进RRT的无人船全局路径规划算法。算法中将贝叶斯优化算法融入目标采样过程,增强目标点采样导向性;引入动态步长和双向贪心剪枝策略作为重要辅助,进一步提升算法效率和路径质量;得到初始路径后采用动态权重3次B样条曲线进一步平滑处理。最后在3种类型障碍物环境下进行仿真实验并与RRT、RRT*算法进行对比。结果表明,改进RRT算法在规划时长、路径长度以及路径质量等方面有明显优势。改进后算法效率更高,路径平滑度更高,研究成果可为无人船自主航行提供参考。
摘要为提高果园自主移动机器人在山区、丘陵等复杂地形环境下运动路径规划效果,增强机器人野外工作性能,针对果园非结构化布局和起伏地形,本文提出了一种基于改进PF-RRT*(Plane fitting-rapidly exploring random trees star)算法的果园机器人路径规划方法。利用自适应采样步长策略,在果园不同障碍物密度环境下能够灵活地调节随机树扩展步长。采用自适应目标偏置的势场引导采样方法,能够有效引导随机树避开障碍物并向目标点扩展。此外,在随机树扩展过程引入地形评估函数。通过平面拟合技术对地形坡度、稀疏度和粗糙度进行综合评估,确保规划的路径在复杂地形中可通过性和安全性。最后,采用三次样条插值与高斯过程回归对路径进行平滑和优化。在仿真环境中,改进PF-RRT*算法与RRT*、Q-RRT*和PF-RRT*算法相比,轨迹偏差最多减少46.97%,路径长度最多减少7.64%,规划时间最多减少23.58%,且成功率和避障效果均优于对比算法。真实果园行间试验结果表明,与RRT*、Q-RRT*和PF-RRT*算法相比,改进PF-RRT*算法与理想轨迹偏差量减少34.04%、26.19%、27.91%、路径长度减少6.58%、3.16%和4.10%、规划时间减少30.56%、18.25%和33.52%。表明本文算法在果园复杂地形下能够实现自主移动机器人最优路径规划与导航。
摘要为解决传统快速搜索随机树(Rapidly-exploring random tree,RRT)算法在机械臂路径规划中存在的导向性差、收敛速度慢、搜索时间长等问题,提出改进RRT算法。首先,采用目标偏置策略,引导随机树朝着目标点方向扩展,缩短搜索时间;其次,在动态空间中进行采样,避免在同一区域重复采样,提高收敛速度;最后,对初步规划出的路径进行剪枝和平滑处理,剔除冗余点,减小路径代价,提高路径质量。二维和三维空间下的仿真实验表明:改进RRT算法规划出的路径代价更小,路径质量更高,且规划速度更快。
基金supported by Foundation of key Laboratory of AI and Information Processing of Education Department of Guangxi(No.2022GXZDSY002)(Hechi University),Foundation of Guangxi Key Laboratory of Automobile Components and Vehicle Technology(Nos.2022GKLACVTKF04,2023GKLACVTZZ06)。
摘要An improved RRT∗algorithm,referred to as the AGP-RRT∗algorithm,is proposed to address the problems of poor directionality,long generated paths,and slow convergence speed in multi-axis robotic arm path planning.First,an adaptive biased probabilistic sampling strategy is adopted to dynamically adjust the target deviation threshold and optimize the selection of random sampling points and the direction of generating new nodes in order to reduce the search space and improve the search efficiency.Second,a gravitationally adjustable step size strategy is used to guide the search process and dynamically adjust the step-size to accelerate the search speed of the algorithm.Finally,the planning path is processed by pruning,removing redundant points and path smoothing fitting using cubic B-spline curves to improve the flexibility of the robotic arm.Through the six-axis robotic arm path planning simulation experiments on the MATLAB platform,the results show that the AGP-RRT∗algorithm reduces 87.34%in terms of the average running time and 40.39%in terms of the average path cost;Meanwhile,under two sets of complex environments A and B,the average running time of the AGP-RRT∗algorithm is shortened by 94.56%vs.95.37%,and the average path cost is reduced by 55.28%vs.47.82%,which proves the effectiveness of the AGP-RRT∗algorithm in improving the efficiency of multi-axis robotic arm path planning.
摘要[目的/意义]针对工厂化立体式黄鳝养殖饵料投喂机械臂在受限空间内路径规划速度慢、轨迹冗余度大、避障成功率低等问题,提出一种基于改进BI-RRT*(Bidirectional Rapidly-Exploring Random Tree Star)的受限空间路径规划算法。[方法]在BI-RRT*算法双向扩展策略基础上,引入目标偏置策略,减少随机采样点。同时结合改进的人工势场法,融入目标点和随机点引力概念,通过自适应调节引力系数引导路径向目标节点扩展,有效避免算法陷入局部最优;最后通过渐进优化策略得到最佳轨迹。[结果和讨论]在Matlab平台上,对RRT*算法、APF-RRT*(Artificial Potential Fields Rapidly-Exploring Random Tree Star)算法、BI-RRT*算法及改进BI-RRT*算法进行了仿真分析,研究其在二维和三维空间下简单、受限,以及复杂环境中的表现。仿真数据显示,在不同环境运行中,改进BI-RRT*算法均展现出显著的性能优势。基于黄鳝养殖投喂场景,搭建机械臂机器人操作系统仿真环境并进行受限空间下投喂试验。结果表明,与BI-RRT*算法相比,改进BI-RRT*算法平均运行时间减少41.6%,平均路径长度降低2.3%,平均节点数减少37.9%,以及投喂成功率提高6%。[结论]试验验证改进BIRRT*算法在投喂任务中展现出更优性能,为工厂化立体式黄鳝养殖高效投饵工作提供了参考。
摘要针对现有无人机测绘点云偏移校正方法多依赖曲率特征筛选配准点、在复杂地形条件下特征辨识度低从而导致校正精度不足的问题,提出一种基于改进快速探索随机树(Rapidly-exploring Random Tree,RRT)算法的点云偏移校正方法。首先,利用改进RRT算法在待校正点云中自适应筛选子区域并完成匹配,获取可靠对应点对;其次,采用最小二乘法与奇异值分解(Singular Value Decomposition,SVD)相结合的方法求解偏移变换矩阵;最后,以该变换矩阵为核心,对边缘点进行二次优化,实现校正点云的整体整合与优化。实验结果表明,在城区建筑密集区、山地林地等七类典型场景中,该方法的平均绝对误差(Mean Absolute Error,MAE)均达到最优水平;在人工注入0.1~0.6 m梯度平移偏移条件下,均方根误差(Root Mean Square Error,RMSE)仅由0.32 cm增至0.71 cm,在不同场景及偏移量级条件下均表现出良好的高精度校正性能。
摘要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。
摘要为了解决冗余机械臂在复杂环境中的路径规划和避障问题,提出一种基于改进快速扩展随机树(Rapidly Exploring Random Tree,RRT)算法与三维碰撞检测的高效路径规划方法。利用改进算法生成无碰撞的平滑路径,对机器人姿态进行求解,并通过碰撞检测验证路径的可行性。改进的RRT算法采用基于概率的控制机制来优化随机点生成策略,结合路径平滑算法减少路径节点,同时引入三维碰撞检测技术以确保路径的有效性和安全性。试验结果表明:该方法在二维和三维复杂场景中均能显著提升路径规划效率,成功率和路径平滑性明显优于传统算法。研究成果可为冗余机械臂在复杂环境中的路径规划提供高效、可靠的解决方案,有助于进一步提升其在实际应用中的稳定性和适用性。
摘要针对快速扩展随机树(Rapidly-exploring Random Trees,RRT)算法在工业机器人复杂工况中进行避障等路径规划中存在的运算效率低、收敛速度慢、搜索空间盲目性等问题,提出一种基于RRT算法的工业机器人路径规划改进算法。应用标准D-H(Denavit-Hartenberg)参数法建立六自由度工业机器人的运动学模型,并通过数值分析研究了机器人的正运动学和逆运动学模型,使用机器人工具箱验证了运动学模型的可行性。以机器人运动路径成本和运算时间作为优化目标,依次对改进RRT算法和RRT、Bi-RRT(Bidirectional-RRT)算法进行不同维度的仿真分析和比较。研究结果表明,改进RRT算法优于其他两种算法,将改进RRT算法应用于机器人避障和路径规划中具有良好的效果。