基于改进B-RRT*算法的移动机器人路径规划

摘要：

在移动机器人运动路径规划领域,渐近最优双向快速探索随机树(B-RRT*)算法虽然具有良好的避障和路径搜索能力,但是存在迭代次数多、规划时间长的缺点.基于运动学约束的双向快速探索随机树(KB-RRT)算法作为B-RRT*算法的高效分支,虽然有效减少了无效树的扩展,加快了寻找最优路径的速度,但迭代次数过大.针对B-RRT*算法的最新改进算法是具有高效分支的运动学约束B-RRT*(KB-RRT*)算法,KB-RRT*算法虽然可以有效减少无效树的扩展,加快寻找最优路径的速度,但其迭代次数仍然过大.因此,提出了一种基于自适应采样和快速搜索的改进B-RRT*算法(AFB-RRT*).该算法设定障碍物的安全区域,根据提出的自适应采样和快速搜索确定随机树的搜索方向,减少冗余采样点,即AFB-RRT*在路径规划中可以实现快速收敛.仿真和实验表明,与KB-RRT*相比,AFB-RRT*在规划路径长度基本相同的前提下,减少了规划时间和收敛迭代次数.

关键词：B-RRT*、KB-RRT*、AFB-RRT*、收敛迭代、规划时间

所属期刊栏目：50

分类号：TP242;TP18(自动化技术及设备)

在线出版日期：2023-09-06（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：95-101