文献类型：期刊文章

作　　者：张伟民[1] 付仕雄[1]

ZHANG Weimin;FU Shixiong(School of Mechanical and Electronic Information,China University of Geosciences,Wuhan 430074,China)

机构地区：[1]中国地质大学(武汉)机械与电子信息学院,湖北武汉430074

出　　处：《华中科技大学学报（自然科学版）》

基　　金：国家自然科学基金资助项目(51875538)。

年　　份：2021

卷　　号：49

期　　号：1

起止页码：31-36

语　　种：中文

收录情况：AJ、BDHX、BDHX2020、CAS、CSCD、CSCD2021_2022、EI、IC、JST、MR、RCCSE、SCOPUS、ZGKJHX、ZMATH、核心刊

摘　　要：为解决渐进最优快速扩展随机树(RRT^(*))算法在特殊环境下(如狭窄通道)路径规划存在的内存占用多、规划效率低等问题,提出了一种基于目标约束采样和目标偏置扩展的改进RRT^(*)算法.首先,在采样上引入目标偏置策略,并对每次采样进行位置约束,使采样的目标导向性更强.然后,在新点扩展上摒弃了已有算法单纯朝着采样点扩展的思路,通过给采样点和目标点分配不同权重,使得每一次扩展同时由采样点和目标点共同决定,进而加快搜索速度.接着,采用三次B样条曲线对搜索到的路径进行平滑处理,以保证路径的可行性.最后,分别基于Matlab和V-REP平台对RRT^(*)算法和改进RRT^(*)算法进行了2D和3D的对比实验,实验结果验证了改进RRT^(*)算法的优越性和有效性.

关 键 词：移动机器人 路径规划 渐进最优快速扩展随机树(RRT^(*))算法  约束采样  偏置扩展  三次B样条

分 类 号：TP242]