CN108981704A - 一种基于动态步长的目标引力双向rrt路径规划方法 - Google Patents
一种基于动态步长的目标引力双向rrt路径规划方法 Download PDFInfo
- Publication number
- CN108981704A CN108981704A CN201810767113.2A CN201810767113A CN108981704A CN 108981704 A CN108981704 A CN 108981704A CN 201810767113 A CN201810767113 A CN 201810767113A CN 108981704 A CN108981704 A CN 108981704A
- Authority
- CN
- China
- Prior art keywords
- rrt
- xnew
- point
- new node
- target
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 24
- 230000004888 barrier function Effects 0.000 claims description 17
- 238000004321 preservation Methods 0.000 claims description 2
- 230000008859 change Effects 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/20—Instruments for performing navigational calculations
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Automation & Control Theory (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明涉及一种基于动态步长的目标引力双向RRT路径规划方法,属于智能机器人路径规划领域。本发明基于目标引力思想的双向RRT算法的基础上引入动态步长概念,利用步长的动态变化来扩展RRT随机树的新节点Xnew,不仅可以利用双向RRT算法的随机性,还可以利用目标引力思想使新节点Xnew朝着目标点Xgoal方向扩展的特性,同时解决了在多障碍物环境下目标不可达问题,能有效地提高路径搜索成功率,加强避障能力。
Description
技术领域
本发明涉及一种基于动态步长的目标引力双向RRT路径规划方法,属于智能机器人路径规划领域。
背景技术
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。具有避障功能的智能机器人拥有相当高的社会价值,被大量应用于航天、军事、制造业、医疗等领域。路径规划技术是智能机器人领域中的核心问题之一,近年来受到外界广泛关注。
智能机器人的工作环境越来越复杂,基本上存在大量无规则障碍物且障碍物分布不均匀的复杂环境,包括固定障碍物和移动障碍物,以及一些突发情况产生的障碍物。路径规划范围又分为全局规划与局部规划,全局规划在遇突发情况时不能有效地生成一条完整的路径;局部规划在遇见突发情况时可以采取措施重新规划新的生长路径。
双向RRT算法虽然可以解决环境约束、时间约束、机器人本身的动力学约束以及高维空间路径规划等问题,但由于该方法需要对全局空间进行随机采样,导致实时性差、效率低;基于目标引力思想的双向RRT算法可以降低路径搜索的随机性,但在多障碍物的环境下却存在目标不可达问题,效率较低,且未能使规划的路径达到最优或次优解。
发明内容
本发明提供了一种基于动态步长的目标引力双向RRT路径规划方法,以用于通过动态调整步长的方式实现路径的规划。
本发明的技术方案是:一种基于动态步长的目标引力双向RRT路径规划方法,所述方法步骤如下:
Step1、设置智能机器人所处的状态空间C,静态障碍物随机分布,大小不一;
Step2、确定智能机器人在状态空间C中的初始点Xinit和目标点Xgoal位置;其中,状态空间C指代工作环境,状态空间C由自由空间Xfree和障碍空间Xobs构成,障碍空间Xobs由静态障碍物构成,自由空间Xfree表示除障碍空间Xobs之外的空间;初始点Xinit和目标点Xgoal位于自由空间Xfree;
Step3、同时以初始点Xinit和目标点Xgoal为起点分别扩展RRT随机树Ti和Tj,搜索过程中,根据基于动态步长的目标引力双向RRT算法新节点Xnew的位置确定公式来搜索新节点Xnew,每搜索新节点Xnew一次,将其加入到对应的随机树中,直到两颗随机树新节点Xnew在状态空间C中相遇,选出两颗随机树新节点Xnew连通后生成的最优路径并保存。
所述根据基于动态步长的目标引力双向RRT算法新节点Xnew的位置确定公式来搜索新节点Xnew,具体为:
其中,ρ为朝着随机点Xrand方向生长的步长,k为引力场系数,kρ为朝着目标点Xgoal方向生长的步长,||Xrand-Xnear||代表欧拉范数定义的Xrand与Xnear之间的距离,||Xgoal-Xnear||代表欧拉范数定义的Xgoal与Xnear之间的距离,Xrand为每次扩展RRT随机树时在自由区域Xfree中随机选取的点,Xnear为每次扩展RRT随机树时在当前RRT随机树中与Xrand距离最近的点,Xnew每次新增加的扩展点。
当RRT随机树在运动范围内遇到障碍物时取ρ大于等于kρ,根据扩展新节点Xnew的公式在ρ大于等于kρ时生成新节点Xnew的方法,RRT随机树将具有双向RRT算法的随机性,偏向随机点Xrand方向生长,不会碰到障碍物;当RRT随机树运动范围内没有遇到障碍物时取ρ小于kρ,根据扩展新节点Xnew的公式在ρ小于kρ时生成新节点Xnew的方法,RRT随机树偏向终点方向生长。
取值步长ρ固定不变,通过调节引力场系数k来决定新节点Xnew的扩展方向;或者引力场系数k固定不变,通过调节步长ρ来决定新节点Xnew的扩展方向。
本发明的有益效果是:本发明基于目标引力思想的双向RRT算法的基础上引入动态步长概念,利用步长的动态变化来扩展RRT随机树的新节点Xnew,不仅可以利用双向RRT算法的随机性,还可以利用目标引力思想使新节点Xnew朝着目标点Xgoal方向扩展的特性,同时解决了在多障碍物环境下目标不可达问题,能有效地提高路径搜索成功率,加强避障能力。
附图说明
图1为根据本发明提出的基于动态步长的目标引力双向RRT路径规划算法的主流程图;
图2为实验环境图;
图3为基于目标引力的双向RRT算法新节点前方无障碍物扩展示意图;
图4为基于目标引力的双向RRT算法路径规划过程图;
图5为基于目标引力的双向RRT算法路径规划结果图;
图6为基于动态步长的目标引力双向RRT算法新节点前方有障碍物扩展示意图;
图7为基于动态步长的目标引力双向RRT算法路径规划过程图;
图8为基于动态步长的目标引力双向RRT算法路径规划结果图。
具体实施方式
下面结合附图和实施例,对本发明作进一步说明,但本发明的内容并不限于所述范围。
实施例1:如图1-8所示,一种基于动态步长的目标引力双向RRT路径规划方法,其主流程图如图1所示,所述方法的具体步骤如下:
步骤一、搭建智能机器人的工作环境,将其设置在1000×1000的环境中,如图2所示,静态障碍物用黑色不规则形状随机分布,大小不一;
步骤二、确定智能机器人在状态空间C中的初始点Xinit位置和目标点Xgoal位置。图2左下角[0,0]为智能机器人的初始点Xinit,右上角[1000,1000]为智能机器人的目标点Xgoal。其中,状态空间C指代工作环境;状态空间C由自由空间Xfree和障碍空间Xobs构成,障碍空间Xobs由静态障碍物构成,自由空间Xfree表示除障碍空间Xobs之外的空间;初始点Xinit和目标点Xgoal位于自由空间Xfree。
步骤三、同时以初始点Xinit和目标点Xgoal为起点分别扩展RRT随机树Ti和Tj;
步骤四、以随机树Ti为例,每一个新节点Xnew处都引入一个目标引力思想,不仅有原来随机方向的随机点Xrand,还增加了目标方向的目标点Xgoal。根据基于动态步长的目标引力双向RRT算法新节点Xnew的位置确定公式来搜索新节点。
式中:
ρ(ρ>0):表示朝着随机点Xrand方向生长的步长;
k(k>0):表示引力场系数,k与ρ之积kρ为朝着目标点Xgoal方向生长的步长;
||Xrand-Xnear||:表示欧拉范数定义的Xrand与Xnear之间的距离;
||Xgoal-Xnear||:代表欧拉范数定义的Xgoal与Xnear之间的距离;
实际步长为|(k+1)ρ|,公式表示将(Xrand-Xnear)向量单位化后乘以步长ρ,加上(Xgoal-Xnear)向量单位化后乘以步长kρ,再加上Xnear,最后得出新节点Xnew。初始化时随机树Ti只包含一个节点:初始点Xinit。首先从状态空间中随机选择一个采样点Xrand;然后从随机树中选择一个距离Xrand最近的节点Xnear,此时Xnear为Xinit。
实验环境为windows 2007,Intel(R)Core(TM)2、3GHZ、2G内存,编译工具为MATLAB2012b。状态空间C为1000×1000,X轴与Y轴坐标范围均为0~1000,原点为[0,0],两点间的直线距离约为1414m。
引入目标引力思想后在随机点Xrand与目标点Xgoal的共同作用下,新节点Xnew处在以Xnear、随机点Xrand与目标点Xgoal组成的三角区域中,如图3所示,在前方无障碍物时新节点Xnew偏向目标点Xgoal方向生长。实验中引入目标引力思想扩展新节点Xnew时,搜索步长ρ取5,朝目标点生长的引力场系数k取1.3,随机树Ti与Tj生成的新节点如图4所示,随机树Ti从初始点Xinit[0,0]开始朝着目标点Xgoal[1000,1000]扩展新节点Xnew,生成后的新节点Xnew以“黑星细线”相连接;随机树Tj从目标点Xgoal[1000,1000]开始朝着初始点Xinit[0,0]扩展新节点Xnew,生成后的新节点Xnew以“黑点细线”相连接。图5是RRT随机树Ti和Tj各自生成的新节点Xnew在状态空间C中相遇于某点后,形成一条以黑色粗线表示的完整RRT随机树。
通过调节引力场系数k来决定新节点Xnew的扩展方向时,存在引力场系数k选取过大时不能有效地避开障碍物而出现目标不可达的问题,此时引入动态步长概念。如图6所示,在前方有障碍物时新节点Xnew偏向目标点Xrand方向生长。实验中引入动态步长策略扩展新节点Xnew时,当没有遇到障碍物,取引力场系数k为1.3,搜索步长ρ为5;当遇到障碍物,引力场系数k取值在0~1之间,实验中k取值为0.6,取搜索步长ρ为5(或者引力场系数k固定不变,通过调节步长ρ来决定新节点Xnew的扩展方向)。随机树Ti与Tj生成的新节点如图7所示,图8是RRT随机树Ti和Tj各自生成的新节点Xnew在状态空间C中相遇于某点后,形成一条以黑色粗线表示的完整RRT随机树,表1是引入动态步长策略前后的路径长度和仿真时耗等数据对比。
表1:
由图4可知,基于目标引力的双向RRT算法能有效的提高路径搜索效率,但在多障碍物环境下容易出现目标不可达问题,无法规划出一条合理的路径。针对该问题,引入动态步长策略。如图7和8所示是基于动态步长的目标引力双向RRT算法路径规划过程图与结果图,显示提高了路径搜索时的避障能力,解决了目标不可达问题。由表1可知,平均路径长度由原来的1676缩至1567;搜索成功次数由11次提高到14次;搜索的平均新节点个数也由105减至64。
表1中的数据显示路径规划在通过动态步长策略的引入后所得路径长度明显优于引入目标引力思想的双向RRT算法,路径长度减少了6.50%,说明动态步长策略作用显著。该改进RRT算法明显提高了路径的搜索成功率,所获得的路径长度更短。
上面结合附图对本发明的具体实施方式作了详细说明,但是本发明并不限于上述实施方式,在本领域普通技术人员所具备的知识范围内,还可以在不脱离本发明宗旨的前提下作出各种变化。
Claims (3)
1.一种基于动态步长的目标引力双向RRT路径规划方法,其特征在于:所述方法步骤如下:
Step1、设置智能机器人所处的状态空间C,静态障碍物随机分布,大小不一;
Step2、确定智能机器人在状态空间C中的初始点Xinit和目标点Xgoal位置;其中,状态空间C指代工作环境,状态空间C由自由空间Xfree和障碍空间Xobs构成,障碍空间Xobs由静态障碍物构成,自由空间Xfree表示除障碍空间Xobs之外的空间;初始点Xinit和目标点Xgoal位于自由空间Xfree;
Step3、同时以初始点Xinit和目标点Xgoal为起点分别扩展RRT随机树Ti和Tj,搜索过程中,根据基于动态步长的目标引力双向RRT算法新节点Xnew的位置确定公式来搜索新节点Xnew,每搜索新节点Xnew一次,将其加入到对应的随机树中,直到两颗随机树新节点Xnew在状态空间C中相遇,选出两颗随机树新节点Xnew连通后生成的最优路径并保存。
2.根据权利要求1所述的基于动态步长的目标引力双向RRT路径规划方法,其特征在于:所述根据基于动态步长的目标引力双向RRT算法新节点Xnew的位置确定公式来搜索新节点Xnew,具体为:
其中,ρ为朝着随机点Xrand方向生长的步长,k为引力场系数,kρ为朝着目标点Xgoal方向生长的步长,||Xrand-Xnear||代表欧拉范数定义的Xrand与Xnear之间的距离,||Xgoal-Xnear||代表欧拉范数定义的Xgoal与Xnear之间的距离,Xrand为每次扩展RRT随机树时在自由区域Xfree中随机选取的点,Xnear为每次扩展RRT随机树时在当前RRT随机树中与Xrand距离最近的点,Xnew每次新增加的扩展点。
3.根据权利要求2所述的基于动态步长的目标引力双向RRT路径规划方法,其特征在于:当RRT随机树在运动范围内遇到障碍物时取ρ大于等于kρ,根据扩展新节点Xnew的公式在ρ大于等于kρ时生成新节点Xnew的方法,RRT随机树将具有双向RRT算法的随机性,偏向随机点Xrand方向生长,不会碰到障碍物;当RRT随机树运动范围内没有遇到障碍物时取ρ小于kρ,根据扩展新节点Xnew的公式在ρ小于kρ时生成新节点Xnew的方法,RRT随机树偏向终点方向生长。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810767113.2A CN108981704A (zh) | 2018-07-13 | 2018-07-13 | 一种基于动态步长的目标引力双向rrt路径规划方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810767113.2A CN108981704A (zh) | 2018-07-13 | 2018-07-13 | 一种基于动态步长的目标引力双向rrt路径规划方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108981704A true CN108981704A (zh) | 2018-12-11 |
Family
ID=64537128
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810767113.2A Pending CN108981704A (zh) | 2018-07-13 | 2018-07-13 | 一种基于动态步长的目标引力双向rrt路径规划方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108981704A (zh) |
Cited By (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109737970A (zh) * | 2019-03-21 | 2019-05-10 | 集美大学 | 一种基于改进rrt算法的水面无人艇路径规划方法 |
CN109839110A (zh) * | 2019-01-09 | 2019-06-04 | 浙江大学 | 一种基于快速随机搜索树的多目标点路径规划方法 |
CN109877836A (zh) * | 2019-03-13 | 2019-06-14 | 浙江大华技术股份有限公司 | 路径规划方法、装置、机械臂控制器和可读存储介质 |
CN110083165A (zh) * | 2019-05-21 | 2019-08-02 | 大连大学 | 一种机器人在复杂狭窄环境下路径规划方法 |
CN110262473A (zh) * | 2019-04-29 | 2019-09-20 | 上海交通大学 | 一种基于改进Bi-RRT算法的无人艇自动避碰方法 |
CN110487290A (zh) * | 2019-07-29 | 2019-11-22 | 中国人民解放军军事科学院国防科技创新研究院 | 基于变步长a星搜索的无人驾驶汽车局部路径规划方法 |
CN110497403A (zh) * | 2019-08-05 | 2019-11-26 | 上海大学 | 一种改进双向rrt算法的机械臂运动规划方法 |
CN110597247A (zh) * | 2019-08-22 | 2019-12-20 | 广州智湾科技有限公司 | 一种多车辆避障路径规划方法 |
CN111735465A (zh) * | 2019-04-24 | 2020-10-02 | 北京京东尚科信息技术有限公司 | 路径规划方法及其装置、计算机系统及计算机可读介质 |
CN112013846A (zh) * | 2020-08-18 | 2020-12-01 | 南京信息工程大学 | 一种结合动态步长rrt*算法和势场法的路径规划方法 |
CN112711256A (zh) * | 2020-12-23 | 2021-04-27 | 杭州电子科技大学 | 一种移动机器人的目标搜索观测点自动生成方法 |
CN112828889A (zh) * | 2021-01-05 | 2021-05-25 | 佛山科学技术学院 | 一种六轴协作机械臂路径规划方法及系统 |
CN112987799A (zh) * | 2021-04-16 | 2021-06-18 | 电子科技大学 | 一种基于改进rrt算法的无人机路径规划方法 |
CN113276109A (zh) * | 2021-04-21 | 2021-08-20 | 国网上海市电力公司 | 一种基于rrt算法的双机械臂解耦运动规划方法及系统 |
CN113296496A (zh) * | 2021-04-05 | 2021-08-24 | 青岛科技大学 | 基于多采样点的引力自适应步长双向rrt路径规划方法 |
CN113485367A (zh) * | 2021-08-06 | 2021-10-08 | 浙江工业大学 | 一种舞台多功能移动机器人的路径规划方法 |
CN115946117A (zh) * | 2022-12-16 | 2023-04-11 | 昆明理工大学 | 一种三维空间路径规划方法 |
US11846948B2 (en) | 2021-10-08 | 2023-12-19 | Hyundai Motor Company | Path planning apparatus of robot and method thereof |
CN117387633A (zh) * | 2023-12-13 | 2024-01-12 | 山东常林智能装备科技有限公司 | 一种无人驾驶挖掘机的路径规划方法、电子设备及介质 |
CN118484010A (zh) * | 2024-07-15 | 2024-08-13 | 山东科技大学 | 基于改进rrt算法的挖掘机路径规划方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104516356A (zh) * | 2015-01-08 | 2015-04-15 | 西北工业大学 | 基于rrt的动态障碍规避算法 |
CN106774314A (zh) * | 2016-12-11 | 2017-05-31 | 北京联合大学 | 一种基于行走轨迹的家庭服务机器人路径规划方法 |
CN106737671A (zh) * | 2016-12-21 | 2017-05-31 | 西安科技大学 | 七自由度仿人机械臂的双层拟人运动规划方法 |
CN108195383A (zh) * | 2018-03-13 | 2018-06-22 | 济南大学 | 一种基于改进rrt算法的地下无人铲运机路径规划方法 |
-
2018
- 2018-07-13 CN CN201810767113.2A patent/CN108981704A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104516356A (zh) * | 2015-01-08 | 2015-04-15 | 西北工业大学 | 基于rrt的动态障碍规避算法 |
CN106774314A (zh) * | 2016-12-11 | 2017-05-31 | 北京联合大学 | 一种基于行走轨迹的家庭服务机器人路径规划方法 |
CN106737671A (zh) * | 2016-12-21 | 2017-05-31 | 西安科技大学 | 七自由度仿人机械臂的双层拟人运动规划方法 |
CN108195383A (zh) * | 2018-03-13 | 2018-06-22 | 济南大学 | 一种基于改进rrt算法的地下无人铲运机路径规划方法 |
Non-Patent Citations (4)
Title |
---|
王道威;朱明富;刘慧;: "动态步长的RRT路径规划算法", 计算机技术与发展, no. 03, pages 105 - 107 * |
胡兵;向凤红;毛剑琳;: "一种改进的RRT机器人路径规划算法研究", 软件导刊, no. 06, pages 13 - 16 * |
胡兵;向凤红;毛剑琳;: "基于改进RRT算法的AGV路径规划研究", 软件导刊, no. 03, pages 28 - 31 * |
胡兵等: "一种改进的RRT机器人路径规划算法研究", 《软件导刊》, vol. 17, no. 6, pages 13 - 16 * |
Cited By (30)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109839110A (zh) * | 2019-01-09 | 2019-06-04 | 浙江大学 | 一种基于快速随机搜索树的多目标点路径规划方法 |
CN109839110B (zh) * | 2019-01-09 | 2020-07-24 | 浙江大学 | 一种基于快速随机搜索树的多目标点路径规划方法 |
CN109877836B (zh) * | 2019-03-13 | 2021-06-08 | 浙江大华技术股份有限公司 | 路径规划方法、装置、机械臂控制器和可读存储介质 |
CN109877836A (zh) * | 2019-03-13 | 2019-06-14 | 浙江大华技术股份有限公司 | 路径规划方法、装置、机械臂控制器和可读存储介质 |
CN109737970A (zh) * | 2019-03-21 | 2019-05-10 | 集美大学 | 一种基于改进rrt算法的水面无人艇路径规划方法 |
CN111735465A (zh) * | 2019-04-24 | 2020-10-02 | 北京京东尚科信息技术有限公司 | 路径规划方法及其装置、计算机系统及计算机可读介质 |
CN110262473A (zh) * | 2019-04-29 | 2019-09-20 | 上海交通大学 | 一种基于改进Bi-RRT算法的无人艇自动避碰方法 |
CN110262473B (zh) * | 2019-04-29 | 2021-09-14 | 上海交通大学 | 一种基于改进Bi-RRT算法的无人艇自动避碰方法 |
CN110083165A (zh) * | 2019-05-21 | 2019-08-02 | 大连大学 | 一种机器人在复杂狭窄环境下路径规划方法 |
CN110083165B (zh) * | 2019-05-21 | 2022-03-08 | 大连大学 | 一种机器人在复杂狭窄环境下路径规划方法 |
CN110487290A (zh) * | 2019-07-29 | 2019-11-22 | 中国人民解放军军事科学院国防科技创新研究院 | 基于变步长a星搜索的无人驾驶汽车局部路径规划方法 |
CN110497403A (zh) * | 2019-08-05 | 2019-11-26 | 上海大学 | 一种改进双向rrt算法的机械臂运动规划方法 |
CN110597247B (zh) * | 2019-08-22 | 2022-12-06 | 广州智湾科技有限公司 | 一种多车辆避障路径规划方法 |
CN110597247A (zh) * | 2019-08-22 | 2019-12-20 | 广州智湾科技有限公司 | 一种多车辆避障路径规划方法 |
CN112013846A (zh) * | 2020-08-18 | 2020-12-01 | 南京信息工程大学 | 一种结合动态步长rrt*算法和势场法的路径规划方法 |
CN112711256A (zh) * | 2020-12-23 | 2021-04-27 | 杭州电子科技大学 | 一种移动机器人的目标搜索观测点自动生成方法 |
CN112828889A (zh) * | 2021-01-05 | 2021-05-25 | 佛山科学技术学院 | 一种六轴协作机械臂路径规划方法及系统 |
CN113296496A (zh) * | 2021-04-05 | 2021-08-24 | 青岛科技大学 | 基于多采样点的引力自适应步长双向rrt路径规划方法 |
CN112987799B (zh) * | 2021-04-16 | 2022-04-05 | 电子科技大学 | 一种基于改进rrt算法的无人机路径规划方法 |
CN112987799A (zh) * | 2021-04-16 | 2021-06-18 | 电子科技大学 | 一种基于改进rrt算法的无人机路径规划方法 |
CN113276109B (zh) * | 2021-04-21 | 2024-04-26 | 国网上海市电力公司 | 一种基于rrt算法的双机械臂解耦运动规划方法及系统 |
CN113276109A (zh) * | 2021-04-21 | 2021-08-20 | 国网上海市电力公司 | 一种基于rrt算法的双机械臂解耦运动规划方法及系统 |
CN113485367A (zh) * | 2021-08-06 | 2021-10-08 | 浙江工业大学 | 一种舞台多功能移动机器人的路径规划方法 |
CN113485367B (zh) * | 2021-08-06 | 2023-11-21 | 浙江工业大学 | 一种舞台多功能移动机器人的路径规划方法 |
US11846948B2 (en) | 2021-10-08 | 2023-12-19 | Hyundai Motor Company | Path planning apparatus of robot and method thereof |
CN115946117A (zh) * | 2022-12-16 | 2023-04-11 | 昆明理工大学 | 一种三维空间路径规划方法 |
CN115946117B (zh) * | 2022-12-16 | 2024-06-11 | 昆明理工大学 | 一种三维空间路径规划方法 |
CN117387633A (zh) * | 2023-12-13 | 2024-01-12 | 山东常林智能装备科技有限公司 | 一种无人驾驶挖掘机的路径规划方法、电子设备及介质 |
CN117387633B (zh) * | 2023-12-13 | 2024-05-14 | 山东常林智能装备科技有限公司 | 一种无人驾驶挖掘机的路径规划方法、电子设备及介质 |
CN118484010A (zh) * | 2024-07-15 | 2024-08-13 | 山东科技大学 | 基于改进rrt算法的挖掘机路径规划方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108981704A (zh) | 一种基于动态步长的目标引力双向rrt路径规划方法 | |
CN109116841B (zh) | 一种基于蚁群算法的路径规划平滑优化方法 | |
CN108444489A (zh) | 一种改进rrt算法的路径规划方法 | |
CN108896052A (zh) | 一种基于动态复杂环境下的移动机器人平滑路径规划方法 | |
Masehian et al. | Multi-objective PSO-and NPSO-based algorithms for robot path planning | |
CN107883961A (zh) | 一种基于Smooth‑RRT算法的水下机器人路径优化方法 | |
CN111752306B (zh) | 一种基于快速扩展随机树的无人机航路规划方法 | |
CN110083165A (zh) | 一种机器人在复杂狭窄环境下路径规划方法 | |
CN103365293B (zh) | 一种基于动态区域划分的机器人安全路径规划方法 | |
CN106503373A (zh) | 一种基于b样条曲线的双机器人协调装配的轨迹规划方法 | |
Zhang et al. | Online path planning for UAV using an improved differential evolution algorithm | |
CN105929843A (zh) | 一种基于改进蚁群算法的机器人路径规划方法 | |
CN110196602A (zh) | 目标导向集中优化的快速水下机器人三维路径规划方法 | |
Yan et al. | Research on route planning of AUV based on genetic algorithms | |
CN104035438A (zh) | 一种基于种群多样性的自适应多目标机器人避障算法 | |
CN113858205A (zh) | 一种基于改进rrt*的七轴冗余机械臂避障算法 | |
CN104199292A (zh) | 一种基于蚁群算法的空间机械臂末端器避障路径规划的方法 | |
Wu et al. | Multi-robot path planning based on improved artificial potential field and B-spline curve optimization | |
Wu et al. | Based on improved bio-inspired model for path planning by multi-AUV | |
Zhao et al. | Improved ant colony optimization algorithm and its application for path planning of mobile robot in 3-D space | |
Zhang et al. | Mobile robot path planning based on hybrid ant colony optimization | |
CN105242669A (zh) | 基于加权平均距离视觉鱼群算法的移动机器人路径规划方法 | |
Huynh et al. | Intermediary RRT∗-PSO: A Multi-Directional Hybrid Fast Convergence Sampling-Based Path Planning Algorithm. | |
CN114995391A (zh) | 一种改进a*算法的4阶b样条曲线路径规划方法 | |
Jarvis | Robot path planning: complexity, flexibility and application scope |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |