一种基于改进式RRT*算法的机械臂自主避障方法技术

本发明专利技术公开了一种基于改进式RRT*算法的机械臂自主避障方法，属于智能机器人路径规划技术领域，包括：对变量进行初始化；生成随机采样点，寻找距离随机点最近的节点，利用动态步长产生新节点，并用连线连接近邻点和新节点；重新选择父节点和重布线随机树；判断各个连线是否与空间障碍物发生碰撞；判断新节点是否进入目标点区域；对已生成的路径利用剪枝策略进行优化。该方法在传统算法中改进了新节点的生长方式，利用调整新节点的生长方向进行实现；后对已生成的路径利用剪枝策略进行优化，使路径长度更短；最后是对于应用到机械臂上面时，将三次B样条曲线函数与得到的路径进行拟合，可以使路径更加平滑，使机械臂满足避障且平稳地达到目标点。地达到目标点。地达到目标点。

【技术实现步骤摘要】
一种基于改进式RRT*算法的机械臂自主避障方法


[0001]本专利技术属于智能机器人路径规划
，具体涉及一种基于改进式RRT*算法的机械臂自主避障方法。

技术介绍

[0002]随着科技不断发展，机器人智能化程度越来越高，可以越来越多地代替人类完成一些工作，机械臂是一种非常常见的机器人类型。在工业生产实际应用过程中，需要机械臂实现灵活的任务层面的操纵，避开各种障碍物，顺利到达指定位置。这就要求机械臂必须具有自主、高效的路径规划能力，能够在复杂的障碍物环境中快速的选择出一条从起始位置到目标位置的无碰撞路径。
[0003]RRT算法是一种基于随机采样的算法，它的特性就是会向还未采样的区域进行扩展，一直到采样结束或寻到路径。这种算法具有在高维度中较高效的搜索能力，利用状态空间中的任意采样点将搜寻引至空白区域，由此找到一条由起始点至目标点的规划路线。该算法利用所在区域内的随机点进行碰撞检测，不需要建立环境模型，可以有效地处理具有较高维度和较多限制条件下的轨迹规划问题。与其它规划算法相比，RRT搜索算法不仅非常适用于解决高维问题，而且采样过程中也不依赖于精确的环境模型，这种优势使得RRT算法在近年来得到了高度的关注并且在机械臂的路径规划领域得到了广泛应用。S.Karaman等提出了一种基于RRT的渐进最优快速扩展随机树算法RRT*算法，在基本RRT算法的基础上加入了代价函数，重新为当前节点选择父节点、重布线随机树。RRT*算法规划出的路径较RRT算法有了优化，但仍存在路径冗余、路径过于曲折等问题。
专利技术内容
[0004]为了解决现有技术中存在的RRT*算法规划出的路径冗余、路径过于曲折等问题，本专利技术提供了一种基于改进式RRT*算法的机械臂自主避障方法，在传统RRT*算法中改进了新节点的生长方式，利用调整新节点的生长方向进行实现；之后则是对已生成的路径利用剪枝策略进行优化，使路径长度更短；最后是对于应用到机械臂上面时，将三次B样条曲线函数与得到的路径进行拟合，可以使路径更加平滑，使机械臂满足避障且平稳地达到目标点。
[0005]本专利技术通过如下技术方案实现：
[0006]一种基于改进式RRT*算法的机械臂自主避障方法，具体包括如下步骤：
[0007]步骤一：对变量进行初始化；
[0008]步骤二：生成随机采样点，寻找距离随机点最近的节点，利用动态步长产生新节点，并用连线连接近邻点X
near
和新节点X
new
；
[0009]步骤三：重新选择父节点和重布线随机树；
[0010]步骤四：判断步骤二和步骤三各个连线是否与空间障碍物发生碰撞；
[0011]若产生碰撞，则返回步骤二，并采用有碰撞的步长；若不发生碰撞，进行步骤五；
[0012]步骤五：判断新节点是否进入目标点区域；
[0013]若进入目标点邻域，则直接连线新节点x
new
与目标点X
goal
，并生成到达目标点的路径，退出循环，进行步骤六；若未进入目标点邻域，则返回步骤二，直至找到到达目标点的路径或者达到最大迭代次数退出循环；
[0014]步骤六：对已生成的路径利用剪枝策略进行优化。
[0015]进一步地，步骤一中，所述变量包括起始点X
start、
目标点X
goal
、扩展步长expand_dis，最大迭代次数max_iter、空间障碍物信息obstacle_list、重计算时的圆半径radius及采样区域rand_area。
[0016]进一步地，步骤二中，具体包括如下内容：
[0017]A1、从起始点X
start
出发，产生随机树T，起始点X
start
为树的根节点，在采样区域生成随机点X
rand
，在随机树T中寻找距离随机点最近的近邻点X
near
；
[0018]A2、沿着与合向量的方向以动态步长expand_dis生成新节点x
new
，并将X
new
节点加入到随机树T中。
[0019]进一步地，步骤三中，具体包括如下内容：
[0020]在新产生的节点x
new
附近以定义的半径范围内寻找近邻，作为替换x
new
父节点的备选；依次计算近邻节点到起点的路径代价加上X
new
到每个近邻的路径代价，在原始父节点X
near
和近邻节点中选取使路径代价最小的节点作为新的父节点；然后，在为x
new
重新选择父节点之后，为进一步使得随机树节点间连接的代价最小化，为随机树进行重新布线；将X
new
附近的近邻节点的父节点设置为X
new
，若该节点到起点的代价减小，则该节点的父节点更改为X
new
。
[0021]进一步地，步骤四中，在连线与障碍物未检测到碰撞时，ρ1＜ρ2，ρ1为随机点方向生长步长，ρ2为目标点方向生长步长；连线与障碍物检测到碰撞时，ρ1＞ρ2；其中，新产生的节点x
new
，近邻点x
near
，在采样区域生成随机点x
rand
，目标点X
goal
。
[0022]进一步地，步骤六具体包括如下内容：
[0023]上述有效节点构成的路径Path中，从第一个路径节点即X
start
开始，依次连接路径上的后序节点，若两个节点之间的路径和障碍物之间不发生碰撞，则删除两个节点之间的路径，并将这两个节点用直线连接；以此类推，直到发生碰撞，此时以碰撞点的父节点作为新起点，再次执行上述操作，如此递归进行，直至到达目标点。
[0024]进一步地，所述方法还包括：基于三次B样条平滑路径对剪枝后的路径平滑处理，使机器人在运行过程中更加柔顺。
[0025]与现有技术相比，本专利技术的优点如下：
[0026]本专利技术的一种基于改进式RRT*算法的机械臂自主避障方法，在传统RRT*算法中改进了新节点的生长方式，利用调整新节点的生长方向进行实现；之后则是对已生成的路径利用剪枝策略进行优化，使路径长度更短；最后是对于应用到机械臂上面时，将三次B样条曲线函数与得到的路径进行拟合，可以使路径更加平滑，使机械臂满足避障且平稳地达到目标点。
附图说明
[0027]为了更清楚地说明本专利技术具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍。在所有附图中，类似的元件或部分一般由类似的附图标记标识。附图中，各元件或部分并不一定按照实际的比例绘制。
[0028]图1为本专利技术的一种基于改进式RRT*算法的机械臂自主避障方法的流程示意图；
[0029]图2为重新选择父节点的示意图；
[0030]图3为重布线随机树的示意图；
[0031本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于改进式RRT*算法的机械臂自主避障方法，其特征在于，具体包括如下步骤：步骤一：对变量进行初始化；步骤二：生成随机采样点，寻找距离随机点最近的节点，利用动态步长产生新节点，并用连线连接近邻点X
near
和新节点X
new
；步骤三：重新选择父节点和重布线随机树；步骤四：判断步骤二和步骤三各个连线是否与空间障碍物发生碰撞；若产生碰撞，则返回步骤二，并采用有碰撞的步长；若不发生碰撞，进行步骤五；步骤五：判断新节点是否进入目标点区域；若进入目标点邻域，则直接连线新节点X
new
与目标点X
goal
，并生成到达目标点的路径，退出循环，进行步骤六；若未进入目标点邻域，则返回步骤二，直至找到到达目标点的路径或者达到最大迭代次数退出循环；步骤六：对已生成的路径利用剪枝策略进行优化。2.如权利要求1所述的一种基于改进式RRT*算法的机械臂自主避障方法，其特征在于，步骤一中，所述变量包括起始点X
start
、目标点X
goal
、扩展步长expand_dis，最大迭代次数max_iter、空间障碍物信息obstacle_list、重计算时的圆半径radius及采样区域rand_area。3.如权利要求1所述的一种基于改进式RRT*算法的机械臂自主避障方法，其特征在于，步骤二中，具体包括如下内容：A1、从起始点X
start
出发，产生随机树T，起始点X
start
为树的根节点，在采样区域生成随机点X
rand
，在随机树T中寻找距离随机点最近的近邻点X
near
；A2、沿着与合向量的方向以动态步长expand_dis生成新节点X
new
，并将X
new
节点加入到随机树T中。4.如权利要求1所述的一种基于改进式RRT*算法的机械臂自主避障方法，其特征在于...

【专利技术属性】
技术研发人员：孙鹏，李颖奇，胡小龙，卢革宇，
申请(专利权)人：吉林大学，
类型：发明
国别省市：