基于多优化快速扩展随机树算法的足球机器人路径规划

发布时间：2023-11-11 13:16

　　研究RoboCup比赛未知环境中足球机器人的路径规划问题。提出一种多优化设计快速扩展随机树(rapidly exploring random tree,RRT)的足球机器人路径规划算法,解决了足球机器人在路径规划中存在的速度慢、效果差的问题。依据基本RRT算法原理,针对其随机性强、收敛速度慢以及路径平滑效果差的缺点,提出了随机采样点处增加引力分量、多步扩展逼近目标点以及冗余节点的剪裁与路径平滑等优化方式。在不同障碍物地图中的仿真实验表明,优化的规划路径长度比基本快速扩展随机树算法所得路径缩短约20%～30%,采样点数量减少45%～65%。最终将优化算法移植到SimRobot仿真平台,结果表明多优化设计RRT算法在未知环境中具备良好的实时性和鲁棒性,能够满足机器人在赛场上的路径规划要求。

【文章页数】：7 页

【文章目录】：
1 基本算法原理
    1.1 经典RRT算法原理
    1.2 人工势场法原理
2 MOD-RRT算法
    2.1 基于目标引导的采样点方向优化
    2.2 多步扩展逼近目标点的设计
    2.3 冗余节点的剪裁与路径平滑
3 仿真与实验验证
    3.1 MATLAB仿真平台
        3.1.1 RRT算法仿真结果
        3.1.2 MOD-RRT算法仿真结果与分析
    3.2 机器人仿真环境
4 结论



本文编号：3862616