基于改进RRT算法的水下无人航行器路径规划方法

发布时间：2021-08-07 10:08

　　针对未知环境中的水下无人航行器路径规划问题,笔者提出了一种改进的快速扩展随机树（RRT）算法。一方面针对传统RRT算法不能在未知环境中应用的问题,将滚动规划的思想与RRT算法相结合,通过不同情况下的子目标点选取策略选取合适的子目标点,并利用RRT算法规划前往子目标点的路径,实现了水下无人航行器的在线实时路径规划;另一方面,为了减少传统RRT算法的冗余搜索量,引入评价函数,使随机树的扩展方向具有目的性,提高了路径规划效率。最后,通过仿真实验验证了改进RRT算法的有效性。 

【文章来源】：信息与电脑(理论版). 2020,32(12)

【文章页数】：4 页

【部分图文】：

RRT算法扩展过程

在实际应用中,水下无人航行器需要通过各种探测设备获取环境信息,因此滚动窗口应以探测设备模型为基础建立。假设本文所使用的探测设备的探测角度为360°,探测距离为R,滚动窗口模型如图2所示。记t时刻航行器的所处位置为xr(t)],将航行器探测设备能够探测到的环境窗口定义为当前滚动规划窗口,记为:

为验证本文所提算法的有效性,在MATLAB环境下设计RRT算法与改进RRT算法的对比仿真实验。仿真环境为500*500,航行器的探测半径为80,起始点坐标为(2,2),目标点坐标为(490,490),随机树的扩展步长为30。忽略航行器自身大小,将环境视为膨胀处理过的。蓝色细线表示随机树的分支,绿色虚线为滚动窗口,连接起始点和目标点的绿线表示最终生成的路径。如图3为滚动RRT路径规划的过程,绿色实线为最终生成的路径。图4为改进滚动RRT算法路径规划的过程,绿色实线为最终生成的路径。图4 改进滚动RRT算法路径规划

【参考文献】：
期刊论文
[1]基于RRT*算法的水下机器人全局路径规划方法[J]. 丁帅,陈苗苗,王猛,谷志珉,任峰.  舰船科学技术. 2019(17)
[2]机器人路径规划的快速扩展随机树算法综述[J]. 陈秋莲,蒋环宇,郑以君.  计算机工程与应用. 2019(16)
[3]基于平滑A*算法的移动机器人路径规划[J]. 王红卫,马勇,谢勇,郭敏.  同济大学学报(自然科学版). 2010(11)
[4]移动机器人路径规划技术的现状与展望[J]. 张捍东,郑睿,岑豫皖.  系统仿真学报. 2005(02)
[5]未知环境下移动机器人实时路径规划[J]. 李彩虹,李贻斌.  山东工程学院学报. 2001(04)

硕士论文
[1]自主移动机器人路径规划算法研究[D]. 刘晓倩.长沙理工大学 2018
[2]非完整移动机器人运动规划算法研究[D]. 徐娜.复旦大学 2012



本文编号：3327603