针对RRT(rapidly-exploring random tree)路径规划算法在高维空间的机械臂避障路径规划时随机产生巨量节点,导致算法运行负担大、避障性能差、容易陷入局部极值的问题,提出一种结合A^(*)判断函数的改进RRT算法。对RRT的采样方式进行更改...针对RRT(rapidly-exploring random tree)路径规划算法在高维空间的机械臂避障路径规划时随机产生巨量节点,导致算法运行负担大、避障性能差、容易陷入局部极值的问题,提出一种结合A^(*)判断函数的改进RRT算法。对RRT的采样方式进行更改,每次生成一个包含多个随机采样点的序列,并利用改进的A^(*)判断函数进行排序;对每次生成节点进行距离判断,防止陷入局部搜索;利用重复贪心策略删除冗余节点,利用三次B样条平滑路径。在二维、三维地图及机械臂仿真与样机实验中进行算法性能分析,改进RRT算法能够大量减少到达目标位姿时产生的节点,缓解了局部极值,快速稳定地避开障碍物并到达目标位姿,证明了改进RRT算法的有效性和优越性。展开更多
针对RRT(rapidly-exploring random tree)算法在进行机械臂路径规划过程中存在的拓展导向性差、冗余节点多、路径质量差等问题,提出了一种基于AGD-RRT(adaptive goal-directed RRT)的算法。首先,该算法构建了一种动态的目标偏向概率函数...针对RRT(rapidly-exploring random tree)算法在进行机械臂路径规划过程中存在的拓展导向性差、冗余节点多、路径质量差等问题,提出了一种基于AGD-RRT(adaptive goal-directed RRT)的算法。首先,该算法构建了一种动态的目标偏向概率函数,实时调整对目标点进行采样的概率以达到自适应目标导向的效果,减少了无用节点的生成,提高了收敛速度。其次,采用贪婪收敛策略,防止了随机树在目标周围时的盲目扩张。搜索结束后,采用节点剔除法剔除路径中的冗余节点,并用B样条曲线对轨迹进行平滑处理,提高了路径质量。然后在二维、三维环境中进行了对比仿真实验,验证了该算法的可行性与优越性。最后进行了样机实验,验证了所提算法在机械臂关节空间进行路径规划的可行性。展开更多
文摘针对RRT(rapidly-exploring random tree)路径规划算法在高维空间的机械臂避障路径规划时随机产生巨量节点,导致算法运行负担大、避障性能差、容易陷入局部极值的问题,提出一种结合A^(*)判断函数的改进RRT算法。对RRT的采样方式进行更改,每次生成一个包含多个随机采样点的序列,并利用改进的A^(*)判断函数进行排序;对每次生成节点进行距离判断,防止陷入局部搜索;利用重复贪心策略删除冗余节点,利用三次B样条平滑路径。在二维、三维地图及机械臂仿真与样机实验中进行算法性能分析,改进RRT算法能够大量减少到达目标位姿时产生的节点,缓解了局部极值,快速稳定地避开障碍物并到达目标位姿,证明了改进RRT算法的有效性和优越性。
文摘针对RRT(rapidly-exploring random tree)算法在进行机械臂路径规划过程中存在的拓展导向性差、冗余节点多、路径质量差等问题,提出了一种基于AGD-RRT(adaptive goal-directed RRT)的算法。首先,该算法构建了一种动态的目标偏向概率函数,实时调整对目标点进行采样的概率以达到自适应目标导向的效果,减少了无用节点的生成,提高了收敛速度。其次,采用贪婪收敛策略,防止了随机树在目标周围时的盲目扩张。搜索结束后,采用节点剔除法剔除路径中的冗余节点,并用B样条曲线对轨迹进行平滑处理,提高了路径质量。然后在二维、三维环境中进行了对比仿真实验,验证了该算法的可行性与优越性。最后进行了样机实验,验证了所提算法在机械臂关节空间进行路径规划的可行性。
