基于改进RRT路径规划算法

针对基本RRT算法路径规划特点:树的扩展具有随机性,路径中存在冗余的节点,规划出的路径拐角多.因此,提出一种改进的RRT算法.改进后的算法首先采用目标偏向策略,以一定的概率P把目标点作为采样点进行随机树扩展,提高随机树向目标点的扩展的概率;其次,改变度量函数,添加了角度约束,减少了路径规划中搜索的范围,以减少搜索时间;...     

基于改进RRT算法的机械臂路径规划

针对传统的RRT算法在串联机械臂的路径规划中缺乏方向性,占用CPU的资源过多,效率较低,路径规划不平滑等问题,对传统的RRT算法进行了改进,在不增加RRT算法初始路径节点数的前提下,增加了目标偏置策略,增加了随机树向目标点扩展的概率;其次,通过多次偏差迭代的方法优化路径节点的位置,不增加原有路径节点数量的情况下,实现R...     

基于改进RRT算法的室内移动机器人路径规划北大核心

针对RRT(rapidly-exploring random tree)算法路径规划时间长,采样点利用率低,最终生成的路径曲折等问题,提出了一种改进RRT算法。采用基于动态概率的采样策略,避免机器人在采样的过程中陷入局部极小值;同时提出了变步长的随机树扩展策略,减少了采样点数量;最后,使用五次贝塞尔曲线对路径进行平滑处理,使最终生成的路径利于机器人移动。在MATLAB平台上进行仿真分析,并使用基于ROS的移动机器人进行实验,将改进RRT算法与RRT算法、目标偏向RRT算法进行对比。仿真结果表明改进RRT算法规划的路径长度减少了23.09%,规划时间减少了87.16%,并且路径更平滑。     

融合改进RRT和动态窗口法的路径规划算法北大核心

针对传统RRT算法在规划中随机性过大,搜索时间过长且不能够实现动态避障等问题,从3个方面进行改进。针对RRT算法搜索树扩展方向过于随机,根据以起始点与目标点为对角线的矩形中的障碍物占比向目标点方向扩展,分别在有障碍物与无障碍物的环境中与传统RRT算法对比,验证改进算法的高效性;对改进算法规划的路径进行关键节点提取,并按照关键节点进行优化;将优化后路径分段使用改进动态窗口法。将融合算法与传统动态窗口法以及RRT算法在路径拐点数量以及路径长度等方面进行比对,结果表明:融合算法具有高效性且在规划的路径中加入临时障碍物时,移动机器人也能很好地避开。     

融合改进RRT和Dijkstra算法的机器人动态路径规划

针对传统RRT算法在规划中随机性过大，节点利用率低且得出的路径并非最优等问题，从3个方面进行改进。首先，针对RRT在随机点采样过程中无方向性的问题，设置目标节点采样率，每次采样时目标点有几率成为采样点，使路径可以快速接近目标点；其次，动态设置步长使机器人能根据周围障碍物数量动态调整步长，减少迭代步数；最后，在得到RRT算法规划出的一条可行路径后，向周围扩展可行区域，将可行区域栅格化，通过Dijkstra算法找出可行区域中的最短路线，优化RRT算法得出的路线。最后将所获得的全局路径分段采用动态窗口算法。将RRT-Dijkstra融合算法与RRT算法、Dijkstra算法以及动态窗口算法在路径拐点数量以及路径长度等方面进行对比。实验表明，RRT-Dijkstra融合算法更高效，得到的路径更优。结合动态窗口算法后且能实现动态避障。     

融合动态窗与改进RRT的全位置机器人路径规划算法研究

针对传统RRT算法在无人车、无人船等自适应路径规划中的随机性导致树枝生长缺乏目标方向性问题,提出一种改进RRT算法与动态窗口相结合的混合算法,考虑其随机树生长过程中存在大量的冗余点,使得路径曲折、不平滑,基于子目标点选取策略研究一种过滤多余节点的算法;为了满足无人车、无人船行驶的安全性,建立安全阈值距离模型,避免与障碍物发生碰撞。对所提出的方法进行仿真实验,结果表明：改进的RRT算法能够在复杂的动态环境下生成有效的可行路径,与传统RRT算法相比较,它使搜索效率提高了43%,规划路径平滑度明显提升,能够实现动态环境中无人车、无人船在线实时路径规划。     

基于GB-APFB-RRT^(*)算法的机械臂路径规划北大核心

针对传统机械臂路径规划快速扩展随机树(RRT)算法存在探索能力弱,导向性差,收敛速度慢,耗时长等问题,提出了一种基于人工势场引导的概率偏置双向最优RRT算法(GB-APFB-RRT^(*))。首先,起末点同时生成双树进行路径搜索,利用目标概率偏置阈值初步确定采样点扩展的方向,再重选父节点重布线,使每次迭代点都为路径代价最小;其次,在新节点的生长方式上引入人工势场思想,控制新节点的生长方式靠近目标点区域并且避开障碍物;最后,对规划路径进行剪枝处理,删除冗余点,利用三次B样条曲线进行路径平滑拟合,使得机械臂运动更加平稳。通过与RRT、B-RRT^(*)、APF-RRT算法进行了对比,结果表明所提算法的搜索效率平均提升了95%,迭代次数平均减少了98%,节点数平均缩小了32%,路径长度平均缩短了20%,说明了所提算法对环境的适应性更强,路径搜索效率更高,验证了该算法的有效性和高效性。     

基于改进RRT算法的串联机械臂避障空间路径规划（英文）

由于基本快速扩展随机树(RRT)算法分支数量多,随机性强等问题,提出了一种改进的RRT算法。主要研究三维(3D)避障工作空间中串联机械手的路径规划问题。为了快速有效避开障碍物,窗口RRT算法引入了平面墙和窗口函数,使其不仅可以与环境约束相结合,而且同一任务路径规划相同。在蒙特卡洛法工作空间中进行窗口RRT算法的路径规划。最后,通过在MATLAB上进行相关仿真实验,验证算法的准确性和有效性。     

基于改进RRT算法的串联机械臂避障空间路径规划

由于基本快速扩展随机树（RRT）算法分支数量多，随机性强等问题，提出了一种改进的RRT算法。主要研究三维（3D）避障工作空间中串联机械手的路径规划问题。为了快速有效避开障碍物，窗口RRT算法引入了平面墙和窗口函数，使其不仅可以与环境约束相结合，而且同一任务路径规划相同。在蒙特卡洛法工作空间中进行窗口RRT算法的路径规划。最后，通过在MATLAB上进行相关仿真实验，验证算法的准确性和有效性。     

基于警戒机制的RRT无碰撞双路径规划算法

针对双臂机器人或双机械臂的路径规划问题，提出一种双路径快速扩展随机树(DP-RRT)算法。基于传统的快速扩展随机树(RRT)算法，设计了一种警戒机制，使同时生长的两个随机树能够时刻相互感知，且互为动态障碍来规避彼此；采用交替生长策略改进生长过程，来避免相互间可能出现的无序碰撞、路径交叉和生长抑制等问题，并引入非均匀B样条曲线来平滑路径，以减小机械臂运动产生的冲击。仿真结果表明，与两次应用RRT算法相比，各种环境的规划成功率都有所提升，尤其在10 mm大步长条件下，4种环境的搜索成功率分别提升了10%、31%、65%、84%,平均总路径减少10.8%。总之，DP-RRT算法在搜索成功率，计算时间和路径质量上都比与传统两次应用RRT算法的方案表现得更好。     

基于改进RRT的关节机械臂路径规划北大核心

针对传统的快速随机扩展树(RRT)全局规划算法在搜索路径时间长,最终路径不平滑等问题,提出了一种基于目标导向和冗余检测的搜索算法。改进的算法采用生成的随机点更加偏向于目标点,避免产生更多不必要的随机树,再通过冗余检测,剔除不必要的节点。使用B样条曲线平滑路径,让机械臂可以快速、准确且平稳地沿着最佳路径运动到达目标点。仿真表明,目标导向处理后平均时间减少44%,冗余检测处理后平均距离缩短18.5%。     

基于PRM改进的路径规划算法

针对规划环境中障碍物较多,采样节点较少时,移动机器人使用传统PRM算法难以规划出路径的问题,提出一种改进的PRM算法,通过随机节点生成函数在自由空间生成随机节点,取代落在障碍物中的节点,在采样节点数目不变的情况下,提高自由空间中的节点数目,配合改进的节点增强法,优化路径,减少路径中的节点数目,完成路径规划。仿真结果验证了本算法的有效性,改进后的PRM算法能用较少的随机采样点找到一条可行路径,提高了节点的利用率,降低了路径中节点数目。     

基于D*Lite算法路径规划的改进方法

针对D^*Lite算法的启发值不精确、规划出的路径斜穿过障碍物栅格顶点的问题,提出一种改进的方法。首先,使用一种更为精确的计算距离代替切比雪夫距离作为启发值,新的计算距离区分了直线距离和斜线距离的代价值;其次,对扩展节点进行分类,给危险节点引入一个安全系数;最后,对改进的算法进行仿真。仿真结果表明:改进后的D^*Lite算法因为启发值更精确,扩展次数减少,性能更好;引入安全系数,危险节点将不作为路径的优先选择,解决了规划的路径斜穿过障碍物栅格顶点的问题。不管是预规划还是重规划阶段都能够规划出一条十分安全的路径。     

基于改进RRT-Connect的空间操作臂避障路径规划研究

针对传统RRT-Connect算法应用于空间操作臂避障路径规划时,规划路径存在盲目性大、安全性差以及无效路径点多等问题,提出一种改进RRT-Connect算法。该算法结合RRT-Connect算法和Dijkstra算法,首先通过引入双树扩展目标点变更策略、极致贪婪策略以及新的碰撞检测方法提高传统RRT-Connect算法路径搜索效率和安全性;然后利用Dijkstra算法的优化特性去除规划路径中的多余无效节点,达到整体路径规划搜索速度快、路径长度短和安全性高等效果;最后通过MATLAB机器人工具箱进行算法对比仿真实验验证,实验结果表明了该方法的有效性和可行性。     

基于ROS的6自由度机械臂运动轨迹规划

针对多关节机械臂作业效率和安全性的运动规划问题,以开源机器人操作系统ROS为仿真平台进行了机械臂运动规划研究。利用Solidworks建立机械臂模型,经SW2URDF生成XML格式描述的机器人URDF文件。利用ROS Moveit!中的设置助手Moveit!Setup Assistant完成了运动规划相关文件的配置。在轨迹规划方面利用Moveit!框架下C++接口,在三维可视化平台Rviz中实现了笛卡尔空间直线与圆弧插补。在路径规划方面,采用快速扩展随机树(RRT/rapidly exploring random tree)和双向扩展平衡的连结型双树(RRTConnect)路径规划算法,完成了高维空间和复杂约束的无碰撞路径规划。仿真结果表明RRTConnect算法收敛速度快,搜索能力强,能够有效解决复杂环境下的路径规划问题,保证机器臂运动安全。     

基于改进RRT-Connect的空间操作臂避障路径规划研究（英文）

针对传统RRT-Connect算法应用于空间操作臂避障路径规划时,规划路径存在盲目性大、安全性差以及无效路径点多等问题,提出一种改进RRT-Connect算法。该算法结合RRT-Connect算法和Dijkstra算法,首先通过引入双树扩展目标点变更策略、极致贪婪策略以及新的碰撞检测方法提高传统RRT-Connect算法路径搜索效率和安全性;然后利用Dijkstra算法的优化特性去除规划路径中的多余无效节点,达到整体路径规划搜索速度快、路径长度短和安全性高等效果;最后通过MATLAB机器人工具箱进行算法对比仿真实验验证,实验结果表明了该方法的有效性和可行性。     

基于ROS与融合算法的AGV路径规划研究北大核心

针对传统A^(*)算法在AGV路径规划中存在搜索范围大、转折多、实时性差等缺点,以A^(*)算法为基础,通过建立栅格地图,改进启发函数,去除多余节点和提高避障安全性。针对AGV在复杂环境下的动态路径规划问题,将改进A^(*)算法与动态窗口算法进行融合,规划出一条具有实时性的最优路径。通过仿真实验,验证了改进算法的有效性与可行性,实现了路径优化。通过机器人操作系统进行实验,结果表明AGV运行时的路径规划合理,满足实际应用需求。     

基于改进RRT算法的空间机械臂避障路径规划北大核心

针对传统快速扩展随机树(RRT)算法在机械臂的运动规划时,存在方向随机性强、目标导向性差、规划速度慢、轨迹平滑度差的问题,提出了一种基于目标偏置和拓展点选择机制的改进RRT算法。该算法利用目标偏置策略影响叶子结点的扩展方向,并且在算法陷入局部极小值时,结合碰撞信息进行拓展点选择从而快速脱离极小值;同时考虑到不同关节角对机械臂位姿影响的程度不同,为待搜索的关节空间各方向添加权重,从而大幅提升搜索效率,并且方便确定机械臂位姿的变化量。结果表明,改进后的算法能对树的生长方向产生引导作用,在提高算法的收敛速度的同时避免陷入局部极小值,并且提高了机械臂在仿真中运动规划效率。     

基于改进人工势场法的机械臂路径规划仿真

为解决六自由度机械臂在工作空间中的路径规划问题,提出一种改进的人工势场法与快速随机搜索树(RRT)算法相结合的规划方法。以发那科M-20iA工业机器人作为研究对象,选取其各连杆D-H参数并创建坐标系,分析其正运动学问题。然后采用包围球包络障碍物、圆柱体包围盒包络机械臂,将碰撞问题转化为球心到圆柱体中轴线最短距离的问题。接着改进势场法的势函数,并在机械臂进入局部极小点时改用RRT算法使机械臂跳出该点,之后继续采用势场法规划路径到达目标点。最后在MATLAB中对该改进算法进行仿真,仿真结果证明:该算法可以成功避障,保证机械臂平稳运行至目标处。     

基于改进A~*算法在AGV路径规划中的应用

为了解决复杂环境下A~*寻路算法存在搜索节点多,搜索时间长,路径曲折的问题,提出了一种改进的A~*算法。首先,在具有障碍物的栅格地图中引入象限的概念,通过限制当前节点只朝目标节点所处的一个象限进行节点扩展,有效降低了寻路过程中搜索的节点数量。其次,在估价函数中考虑了AGV行驶和转向时间消耗成本,从而有效的搜索最短时间路径。通过仿真实验分析比较了文中算法与A~*算法以及另一种改进A~*算法的搜索性能。仿真结果表明,文中算法能有效减少寻路过程中的搜索节点数和转向次数,提高了路径搜索效率和平滑度。