基于多安全度模型的改进RRT路径规划方法

发布时间：2021-04-01 10:42

　　路径规划问题是自主车系统中决策环节的重要内容。快速扩展随机树（RRT）由于其算法复杂度低、搜索速度快等优点受到了广泛应用,但随机性也导致算法的效率不高、规划路径质量不佳的问题。此外,目前很多路径规划算法并没有考虑不同障碍物的危险程度。因此,论文在RRT算法的基础上,引入了人工势场法,提出了一种基于多安全度模型的改进方法,并对规划路径进行优化,从而提高了算法的收敛速度,保证了路径的安全性,并能得到较优解。通过仿真实验,证实了该算法的有效性。 

【文章来源】：计算机与数字工程. 2019,47(08)

【文章页数】：6 页

【部分图文】：

在不同危险度的障碍物周围的路径搜索结果（a）危险度为2的障碍物（b）危险度为7的障碍物

化，可以得到一个较优路径。4仿真实验结果分析基础RRT算法和本文的改进RRT方法的仿真实验结果图分别如图4（a）、（b）所示。地图大小为1024*768，将该地图映射到栅格地图中，栅格地图的大小为60*50。起点用实心圆的点表示，终点用空心圆的点表示，灰色的线体现了路径的搜索过程，黑色的线条即为算法最终搜索到的一条路径。在基于势场引导的改进RRT结果图中，虚线是去除重复环之后的优化路径，黑色的线是剪枝优化后的最终路径。（a）RRT算法结果图（b）RRT算法结果图图4RRT算法和本文改进算法的实验结果图在该地图上对两种算法分别进行了100次仿真实验，实验结果如表1所示。表1RRT和本文改进算法的仿真结果RRT本文方法平均搜索时间（ms）434156平均路径长度1344985通过表1中数据可以看出，改进方法的效率更高，且通过对规划路径的优化，使得规划路径较短。由于改进方法中有人工势场的启发信息，降低了RRT算法中随机性带来的盲目性，算法运行结果相对稳定。改进算法中的多安全度模型主要体现在障碍物危险度上，障碍物的危险度越高，算法在附近尝试扩展节点的概率越低。图4中的（a）为障碍物危险度为2的局部地图，（b）为障碍物危险度为7的局部地图，可以看出算法在图（b）中障碍物周围尝试扩展的次数远小于图（a）。1944朱旻华等：基于多安全度模型的改进RRT路径规划方法

【参考文献】：
期刊论文
[1]机场净空障碍物危险度的白化权聚类评价[J]. 史跃亚,张俊然.  航空计算技术. 2015(02)
[2]非完整约束下的机器人运动规划算法[J]. 徐娜,陈雄,孔庆生,韩建达.  机器人. 2011(06)
[3]基于可视图的移动机器人路径规划[J]. 许斯军,曹奇英.  计算机应用与软件. 2011(03)
[4]移动机器人路径规划技术综述[J]. 朱大奇,颜明重.  控制与决策. 2010(07)
[5]基于A*算法的空间机械臂避障路径规划[J]. 贾庆轩,陈钢,孙汉旭,郑双奇.  机械工程学报. 2010(13)
[6]基于新人工势场函数的机器人动态避障规划[J]. 樊晓平,李双艳,陈特放.  控制理论与应用. 2005(05)
[7]复杂环境中基于人工势场优化算法的最优路径规划[J]. 庄晓东,孟庆春,高云,杨少军,张继军,齐勇.  机器人. 2003(06)
[8]基于混沌变量的模拟退火优化方法[J]. 王子才,张彤,王宏伟.  控制与决策. 1999(04)



本文编号：3113202