王海芳， 崔阳阳， 李鸣飞， 李广宇

(东北大学秦皇岛分校 控制工程学院， 河北 秦皇岛 066004)

路径规划是指在包含障碍物的给定区域内搜索到一条从初始起点到目标终点的安全无碰撞、可行的路径[1].基于采样的路径规划算法是目前广泛应用于机器人路径规划的算法之一[2]，在基于采样的算法中，应用最广泛的是渐进最优快速扩展随机树(rapidly-exploring random trees star, RRT*)算法，该采样算法无需在工作空间中明确表示障碍物信息，通过碰撞检测方法连接一组没有碰撞的节点来获得可行路径.但要获得最优路径，RRT*算法需要不断地增加采样节点数量，花费大量计算时间获得最优路径，从计算角度看，这给计算机在高维空间下的内存增加了很大的负担.针对RRT*算法收敛到最优值效率低的局限性，Nasir等[3]提出了一种RRT*-smart算法，该算法通过启发式函数的方式实现随机点的智能采样，提高了最优路径的收敛速度.在此基础上，杨国田等[4]提出一种改进的RRT*FN算法，该算法有较快的搜索速度，对内存有限的嵌入式飞行机器人有较好的适用性和可行性.文献[5]提出将RRT*FN算法扩展到动态场景，使用两个贪婪启发式路径运动优化方案，在较短时间内找到求解路径，减少收敛时间，提高路径整体收敛效率.Luo等[6]提出了一种Informed-RRT*的变体，利用目标偏置引导策略搜索目标点，利用椭球形子集细化路径，从而找到最优路径.

传统RRT*FN算法通过限制树中节点数量解决这一问题，当树中节点数量超过给定阈值时，随……