刘 冲,刘本学,吕 桉,李 霞

(郑州大学机械与动力工程学院,郑州 450001)

0 引言

随着各行业对自动化要求的不断提高,诸如扫地机器人、物流机器人等室内移动机器人的应用越来越广泛。路径规划是保证移动机器人完成各项任务的前提,是移动机器人研究领域的一个重要基础性问题[1]。路径规划是指根据已知的环境地图等条件,在满足特定条件的情况下,规划出一条从起点到终点的无碰撞路径[2]。路径规划算法的性能优劣对于机器人能否顺利完成任务有较大的影响。常见的路径规划算法包括Dijkstra算法、A*算法、RRT算法[3]、RRT*算法、遗传算法、蚁群算法等。Dijkstra算法一定能找到环境中的最短路径,但是路径规划过程中遍历的节点过多,计算复杂,算法效率较低。A*算法在Dijkstra算法的基础上设置了估价函数,提高了算法的搜索效率。遗传算法的计算量较大,对于高维度问题难以处理和优化。

RRT算法是一种概率完备、结构简单且具有灵活搜索能力的路径规划算法。具有较快的扩展和搜索速度,适用于各种复杂环境下的路径规划。但因其随机采样的机制而存在节点利用率低、路径复杂度高等问题[4-5]。针对RRT算法的不足,许多学者提出了优化方案。POHL[6]提出了双向扩展随机树算法(Bidirectional RRT),通过构造两棵分别以起点和终点为根节点的随机树来完成路径规划,提高了算法的收敛速度。JR等[7]将贪心算法应用于Bi-RRT算法,提出了RRT-Connect算法,提高了随机树的扩展效率。WANG等[8]提出了一种基于强化学习的LM-RRT算法,提高了随机树的局部空间探索能力,使机器人在狭窄通道的路径规划效率得到提高。……