本文提出一种改进的快速扩展随机树(rapidly-exploring random trees,RRT)运动规划方法,用于非完整微分约束下的机器人运动规划.针对类似目标偏好与双向RRT(bi-directional RRT,bi-RRT)等目标区域导向的RRT运动规划所存在的局部极小问题...本文提出一种改进的快速扩展随机树(rapidly-exploring random trees,RRT)运动规划方法,用于非完整微分约束下的机器人运动规划.针对类似目标偏好与双向RRT(bi-directional RRT,bi-RRT)等目标区域导向的RRT运动规划所存在的局部极小问题,结合回归检测与碰撞检测机制,设计了一种碰撞检测与回归机制(collision-test and regression mechanism,CR)机制.该方法使得机器人在规划过程中能获取到全局障碍物信息,从而避免对已扩展节点的重复搜索,以及重复对边缘节点的回归测试和避障检测.该机制使得机器人可加快跳出局部极小区域,提高运动规划实的时性.将改进的RRT运动算法在容易产生局部极小值的环境中仿真测试,结果表明该算法在不显著影响其他性能的前提下,可以明显提高规划的实时性.展开更多
文摘本文提出一种改进的快速扩展随机树(rapidly-exploring random trees,RRT)运动规划方法,用于非完整微分约束下的机器人运动规划.针对类似目标偏好与双向RRT(bi-directional RRT,bi-RRT)等目标区域导向的RRT运动规划所存在的局部极小问题,结合回归检测与碰撞检测机制,设计了一种碰撞检测与回归机制(collision-test and regression mechanism,CR)机制.该方法使得机器人在规划过程中能获取到全局障碍物信息,从而避免对已扩展节点的重复搜索,以及重复对边缘节点的回归测试和避障检测.该机制使得机器人可加快跳出局部极小区域,提高运动规划实的时性.将改进的RRT运动算法在容易产生局部极小值的环境中仿真测试,结果表明该算法在不显著影响其他性能的前提下,可以明显提高规划的实时性.
