基于改进RRT-Connect算法的机器人运动路径规划方法及系统技术方案

本发明专利技术提出了一种基于改进RRT

【技术实现步骤摘要】
基于改进RRT
‑
Connect算法的机器人运动路径规划方法及系统


[0001]本专利技术涉及路径规划
，尤其涉及一种基于改进RRT
‑
Connect算法的机器人运动路径规划方法及系统。

技术介绍

[0002]智能机器人在移动过程中不可避免会遇到各式各样的障碍物，灵活、实时的躲开这些障碍物是衡量其性能的关键指标。路径规划算法是指在有限的时间内在起始点和目标点之间找到可以确保机器人在移动过程中不会发生碰撞的无碰撞路径，目前在自动驾驶、自主探测等领域获得广泛应用。
[0003]扩展随机树RRT算法作为目前广泛使用的路径规划算法，可以对状态空间中的采样点进行检测，获得可能发生碰撞的采样点和障碍物的信息，可以省去空间建模的过程直接解决在高维空间内的路径规划问题。
[0004]虽然RRT算法的优势十分明显，但是这种算法也有明显的不足，算法中较强的随机性节点扩展决定了利用这种算法对可行航迹进行寻找需要大量的迭代次数，不仅要消耗大量时间，而且无法保证所选路径为最优路径。与此同时，考虑到固定的扩展步长，随机树在靠近威胁区域时存在着局限性，而绕过威胁区域需要耗费大量时间。

技术实现思路

[0005]本专利技术提出一种基于改进RRT
‑
Connect算法的机器人运动路径规划方法及系统，解决了现有技术中路径规划算法消耗时间长、无法保证所选路径为最优路径等问题。
[0006]本专利技术的技术方案是这样实现的：
[0007]根据本专利技术的一个方面，提供了一种基于改进RRT
‑
Connect算法的机器人运动路径规划方法，包括以下步骤：
[0008]建立机器人运动的自由空间模型，并确定机器人在自由空间中运动的起始点Q
init
和目标点Q
goal
；
[0009]同时以起始点Q
init
和目标点Q
goal
为起点分别扩展RRT随机树T1和T2，搜索过程中，基于动态步长策略和目标偏向策略来搜索新节点Q
new
，每搜索到一个新节点，将其加入到对应的随机树中，直到两颗随机树在自由空间中相遇，选出两颗随机树连通后生成的最优路径并保存；
[0010]利用贪心算法对生成的最优路径进行平滑处理。
[0011]作为本专利技术优选的方案，基于动态步长策略搜索新节点的方法为：
[0012]以初始步长ρ0扩展随机树的新节点；
[0013]当扩展到新节点时，若没有检测到随机树与障碍物发生碰撞，且两颗随机树没有相连接，则将随机树扩展步长设为s
i
＝s
i
‑1+ρ
′
，继续扩展新节点；其中，s
i
表示随机树的当前扩展步长，s
i
‑1表示随机树上一次扩展的步长，ρ
′
表示固定扩展步长；
[0014]若检测到随机树与障碍物发生碰撞，则舍弃当前的新节点，并将随机树扩展步长设为s
i
＝s
i
‑1‑
ρ
′
，在上一次扩展的基础上继续扩展新节点；
[0015]若检测到两颗随机树相连接，则结束随机树的扩展。
[0016]作为本专利技术优选的方案，基于目标偏向策略搜索新节点的方法为：
[0017]在随机树进行随机采样的过程中，按均匀概率随机产生一个概率值p；
[0018]若概率值p小于设定阈值p
bias
，则将采样点Q
rand
选择为目标点Q
goal
；
[0019]若概率值p大于设定阈值p
bias
，则采样点在自由空间随机扩展，并对新节点生成方向进行约束，新节点的计算过程为：
[0020][0021][0022][0023]Q
new
＝Q
near
+ρ
·
cosθ
[0024]其中，Q
near
表示随机树上距离随机采样点最近的节点，ρ为随机树当前的扩展步长。
[0025]作为本专利技术优选的方案，对最优路径进行平滑处理的方法为：
[0026]根据两颗随机树连通后得到的最优路径对应的节点集合为：
[0027]path(Q0，Q1，
·
…
，Q
n
)
[0028]其中，Q0表示起始点Q
init
，Q
n
表示目标点Q
goal
；
[0029]令Q
temp
＝Q0，并用Q
temp
分别与Q1，Q2，
…
，Q
n
连接，当Q
temp
与Q
i
连接会碰到障碍物时，将Q
i
‑1存入到路径缓存数组T
′
中，其中i＝1,2,
…
,n；
[0030]令Q
temp
＝Q
i
‑1，并用Q
temp
分别与Q
i
，Q
i+1
，
…
，Q
n
连接，当Q
temp
与Q
m
连接会碰到障碍物时，将Q
m
‑1存入到路径缓存数组T
′
中，其中m＝i,i+1,
…
,n；
[0031]重复上述步骤，直至Q
temp
与Q
n
连接都没有碰到障碍物；
[0032]依次连接Q0、数组T
′
中的相邻节点以及Q
n
，生成随机树剪枝后的路径。
[0033]根据本专利技术的另一个方面，提供了一种机器人运动路径规划系统，包括：
[0034]模型建立单元：用于建立自由空间模型，并确定机器人在自由空间中运动的起始点和目标点；
[0035]最优路径确定单元：在RRT
‑
Connect算法的基础上，引入动态步长策略和目标偏向策略来扩展随机树，确定从起始点到目标点之间的最优路径；
[0036]路径优化模块：利用贪心算法对所述最优路径进行平滑处理，得到优化后的规划路径。
[0037]根据本专利技术的又一个方面，提供了一种存储介质，所述存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述路径规划方法的步骤。
[0038]有益效果
[0039]与现有技术相比较，本专利技术的有益效果在于：本专利技术在RRT
‑
Connect算法的基础
上，引入动态步长策略对随机树扩展过程中的步长进行控制，有效提高了路径搜索效率；同时引入目标偏向策略对随机采样过程中的方向进行约束，使每次采样都能更趋近于目标点，减少计算量，提本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于改进RRT
‑
Connect算法的机器人运动路径规划方法，其特征在于，包括以下步骤：建立机器人运动的自由空间模型，并确定机器人在自由空间中运动的起始点Q
init
和目标点Q
goal
；同时以起始点Q
init
和目标点Q
goal
为起点分别扩展RRT随机树T1和T2，搜索过程中，基于动态步长策略和目标偏向策略来搜索新节点Q
new
，每搜索到一个新节点，将其加入到对应的随机树中，直到两颗随机树在自由空间中相遇，选出两颗随机树连通后生成的最优路径并保存；利用贪心算法对生成的最优路径进行平滑处理。2.如权利要求1所述的一种基于改进RRT
‑
Connect算法的机器人运动路径规划方法，其特征在于，基于动态步长策略搜索新节点的方法为：以初始步长ρ0扩展随机树的新节点；当扩展到新节点时，若没有检测到随机树与障碍物发生碰撞，且两颗随机树没有相连接，则将随机树扩展步长设为s
i
＝s
i
‑1+ρ
′
，继续扩展新节点；其中，s
i
表示随机树的当前扩展步长，s
i
‑1表示随机树上一次扩展的步长，ρ
′
表示固定扩展步长；若检测到随机树与障碍物发生碰撞，则舍弃当前的新节点，并将随机树扩展步长设为s
i
＝s
i
‑1‑
ρ
′
，在上一次扩展的基础上继续扩展新节点；若检测到两颗随机树相连接，则结束随机树的扩展。3.如权利要求1所述的一种基于改进RRT
‑
Connect算法的机器人运动路径规划方法，其特征在于，基于目标偏向策略搜索新节点的方法为：在随机树进行随机采样的过程中，按均匀概率随机产生一个概率值p；若概率值p小于设定阈值p
bias
，则将采样点Q
rand
选择为目标点Q
goal
；若概率值p大于设定阈值p
bias
，则采样点在自由空间随机扩展，并对新节点生成方向进行约束，新节点的计算过程为：行约束，新节点的计算过程为：行约束，新节点的计算过程为：Q
new
＝Q
near
+ρ
·
cosθ其中，Q
near...

【专利技术属性】
技术研发人员：黄志俊，刘金勇，钱坤，李焕宇，
申请(专利权)人：杭州柳叶刀机器人有限公司，
类型：发明
国别省市：