APP下载

基于混合算法的机器人路径规划

2021-09-11彭求志吴道华李仕成

安徽大学学报(自然科学版) 2021年5期

彭求志,田 丽,吴道华,李仕成

(安徽工程大学 高端装备先进感知与智能控制教育部重点实验室,安徽 芜湖 241000)

路径规划是在有障碍物的环境中按照评价标准(如最短路径、最低能耗、最低工时等),在起点与目标点间寻找一条可行的无碰撞最优路径的策略.路径规划能保证机器人高效、安全、自主完成任务,在机械手臂、移动机器人等方面有广泛应用.根据机器人对工作区域信息的理解程度,路径规划可分为局部路径规划和全局路径规划.局部路径规划是机器人根据自身传感器实时采集的当前位置和局部障碍物信息,获取起点至目标点最优路径的策略,具有较高的实用性和实时性.局部路径规划的常见算法有:人工免疫算法、A算法、模糊算法及APF(artificial potential field method)等.全局路径规划是根据已知的全局环境和障碍物信息,利用寻优算法获取全局最优路径的策略.全局路径规划常见算法有:蜂群算法、遗传算法及RRT(rapidly-exploring random trees)算法等.RRT算法是一种增量式随机采样全局路径规划算法,占内存空间小,搜索能力强,在任何复杂环境下均能找到一条从起点到终点的路径,但此路径通常并不是最优路径.2011年,Karaman等对RRT算法进行了改进,提出了RRT(rapidly-exploring random trees star)算法.RRT算法能在搜索树扩展阶段为新节点选择代价最小的父节点,能找到渐进最优解且概率接近1,但由于迭代次数多、搜索时间长,使搜索效率及收敛速度均较低.2014年,Jonathan等提出了IRRT(informed rapidly-exploring random trees star)算法,在保证RRT算法的概率完备性及渐进最优性的基础上,引……

登录APP查看全文