机器人路径规划的快速扩展随机树算法综述

发布时间：2021-04-06 05:22

　　路径规划是移动机器人的重要研究内容。快速扩展随机树（Rapidly-Exploring Random Tree,RRT）算法因在机器人路径规划中的成功应用,自提出以来就得到了极大的研究与发展。快速扩展随机树作为一种新颖的随机节点采样算法,相对传统路径规划算法,具有建模时间短、搜索能力强、方便添加非完整约束等优点。介绍了快速扩展随机树算法的基本原理与性质,并从单向随机树扩展、多向随机树扩展、其他改进等方面概括了算法的研究现状。最后,展望了算法未来的研究方向与挑战。 

【文章来源】：计算机工程与应用. 2019,55(16)北大核心CSCD

【文章页数】：8 页

【文章目录】：
1 引言
2 RRT算法基本原理
    2.1 问题描述
    2.2 原理介绍
    2.3 性能分析
3 算法发展综述
    3.1 单向随机树扩展
        3.1.1 节点采样优化
        3.1.2 步长优化
    3.2 多向随机树扩展
        3.2.1 双向随机树
        3.2.2 多向随机树
    3.3 RRT其他方面改进
        3.3.1 曲率平滑后处理
        3.3.2 引导域偏置采样
        3.3.3 结合智能算法采样
        3.3.4 优化数据结构
        3.3.5 实时路径规划
    3.4 改进算法小结
4 算法的研究方向与挑战
5 结束语


【参考文献】：
期刊论文
[1]未知环境下的蚁群-聚类自适应动态路径规划[J]. 刘新宇,谭力铭,杨春曦,翟持.  计算机科学与探索. 2019(05)
[2]未知环境下移动机器人实时路径规划[J]. 张捍东,陈阳,吴玉秀.  计算机工程与应用. 2018(19)
[3]无人车运动规划算法综述[J]. 余卓平,李奕姗,熊璐.  同济大学学报(自然科学版). 2017(08)
[4]基于A*引导域的RRT智能车辆路径规划算法[J]. 冯来春,梁华为,杜明博,余彪.  计算机系统应用. 2017(08)
[5]改进RRT在汽车避障局部路径规划中的应用[J]. 宋晓琳,周南,黄正瑜,曹昊天.  湖南大学学报(自然科学版). 2017(04)
[6]基于改进RRT算法的RoboCup机器人动态路径规划[J]. 刘成菊,韩俊强,安康.  机器人. 2017(01)
[7]复杂环境下基于RRT的智能车辆运动规划算法[J]. 杜明博,梅涛,陈佳佳,赵盼,梁华为,黄如林,陶翔.  机器人. 2015(04)
[8]基于混合策略的轮式机器人路径规划方法[J]. 王全,王维,李焱,刘大学.  计算机工程与应用. 2014(04)
[9]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)
[10]路径规划算法及其应用综述[J]. 张广林,胡小梅,柴剑飞,赵磊,俞涛.  现代机械. 2011(05)

硕士论文
[1]基于引导域的参数化RRT无人驾驶车辆运动规划算法研究[D]. 冯来春.中国科学技术大学 2017
[2]基于RRT的全局路径规划方法及其应用研究[D]. 王全.国防科学技术大学 2014
[3]基于人机智能融合的移动机器人路径规划方法研究[D]. 刘多能.国防科学技术大学 2011



本文编号：3120847