CN111238518A - 一种基于改进rrt算法的智能农业车辆路径规划方法 - Google Patents

一种基于改进rrt算法的智能农业车辆路径规划方法 Download PDF

Info

Publication number
CN111238518A
CN111238518A CN202010030133.9A CN202010030133A CN111238518A CN 111238518 A CN111238518 A CN 111238518A CN 202010030133 A CN202010030133 A CN 202010030133A CN 111238518 A CN111238518 A CN 111238518A
Authority
CN
China
Prior art keywords
path
midpoint
target point
goal
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.)
Granted
Application number
CN202010030133.9A
Other languages
English (en)
Other versions
CN111238518B (zh
Inventor
李爱娟
葛庆英
李韶华
黄欣
邱绪云
王希波
王知学
张云
侯恩广
刘刚
陈政宏
韩文尧
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shandong Jiaotong University
Original Assignee
Shandong Jiaotong University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shandong Jiaotong University filed Critical Shandong Jiaotong University
Priority to CN202010030133.9A priority Critical patent/CN111238518B/zh
Publication of CN111238518A publication Critical patent/CN111238518A/zh
Application granted granted Critical
Publication of CN111238518B publication Critical patent/CN111238518B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
    • G01C21/34—Route searching; Route guidance
    • G01C21/3446—Details of route searching algorithms, e.g. Dijkstra, A*, arc-flags, using precalculated routes

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

本发明提出本发明涉及路径规划领域，尤其涉及一种基于改进RRT算法的智能农业车辆路径规划方法。原始的RRT算法能够解决路径规划问题，但当需要规划的空间场景较大时，则存在一定的时效性及搜索效率的问题。智能农业车辆的作业范围往往较大，需要更加快速的生成规划路径，以提升作业效率。本发明对RRT算法进行改进，同时生成四棵随机树进行路径生成并基于滚动优化的方法进行动态避障，更加适用于大空间场景下的智能农业车辆路径规划，可有效提高其路径规划效率，应用前景广阔。

Description

一种基于改进RRT算法的智能农业车辆路径规划方法
技术领域
本发明涉及路径规划技术领域，具体涉及一种改进RRT算法的智能农业车辆路径规划方法。
背景技术
智能农业车辆路径规划所设涉及的技术领域大多从机器人领域经过适当的改进演变而来，是一项综合性较强的交叉技术领域，因其强大的技术应用前景获得研发人员的广泛关注。常用的路径规划方法有A*、智能仿生算法、快速搜索随机树(Rapidly Random-exploring Trees,RRT)以及各自的变形优化算法，其中RRT作为一种迭代的增量式搜索算法，因其概率完整性以及适用于高维空间的特性，获得相关行业人员的广泛研究与优化。
原始的RRT算法在一定情况下存在搜索效率低、生成路径非最优的不足，对于现存问题的解决与统筹优化可以不断完善RRT算法的应用效果。其中，基于一定概率引导搜索的P-RRT算法、双向搜索算法B-RRT以及智能采样的双向搜索算法IB-RRT、变概率、变步长的RRT搜索算法等等，均在一定程度上优化RRT的搜索生成路径，但对于大面积的搜索领域，存在搜索效率的时效性问题，其应用受到一定的限制。
发明内容
针对现有技术的不足，本发明涉及一种以四颗搜索树同时进行搜索的RRT算法，提高大面积搜索效率的同时进一步平滑所生成路径，使得生成路径满足车辆的行驶要求。
本发明提出以生成四颗搜索树同时进行搜索的路径规划方法，并结合车辆自身转向约束以及目标方向指引的搜索策略进行路径规划。在已知所需规划的环境范围、障碍物位置并给定起始点qstart、目标点qgoal的前提下，计算出两点距离之间的中点qm。
以(xs，ys)表示起始点qstart的位置，(xg，yg)表示目标点qgoal的位置，则中点qm的位置表示为
Figure BDA0002364004820000011
采用函数detect(q)判断中点qm所处位置是否为自由区域Zfree，具体为运用感知设备，若为障碍物区域，则输出为1，不采用此中点；若是自由区域，则输出为0，采用此中点；若是自由区域则采用此中点；
若不是自由区域，则以调整步长d的方式迭代搜寻属于自由区域的中点并且设定迭代次数k，并且判断当前迭代次数kd≤k，此时中点
Figure BDA0002364004820000012
直到确定中点qm。
当中点qm设定后，分别以中点qm表示起始点qstart的暂定目标点和目标点qgoal的暂定起始点。
考虑执行车辆的转向约束|δ|＜δmax纳入到搜索策略当中。
将基于目标偏向的引导策略纳入到搜索策略当中，即以一定的概率P进行目标偏向搜索，然后以滚动优化的方法进行路径规划时的实时动态避障：
1)以车辆搭载的传感器获得实时障碍物信息，构建局部滚动窗口Win(qR(t))，若此时目标点qgoal∈Win(qR(t))，则取子目标点qsub-goal＝qgoal，否则利用启发式函数f(q)＝g(q)+εh(q)选取使得f(q)取最小值的点为子目标点qsub-goal；
2)采用启发式方法生成局部子目标点，在当前滚动窗口内规划一条优化的局部可行路径，启发估价函数为：f(q)＝g(q)+εh(q)；其中：
Figure BDA0002364004820000021
εh(q)是从当前节点到目标节点的估计代价，ε为调整因子，通过调整ε选择估价函数最小值的节点，从而确定最优子目标；
3)确定子目标后，进行下一轮的周期滚动规划，直到到达目标点。
考虑上述因素并同时生成起始点qstart、中点qm双向搜索和中点qm、目标点qgoal的双向搜索机制，共计同时生成四颗随机树进行路径搜索。以中点qm向起始点qstart回溯生成L1路径。以目标点qgoal向中点qm回溯生成L2路径。
最后从目标点qgoal回溯整树，生成路径L并对其进行平滑处理，生成车辆可行驶路径。
附图说明
图1为本发明的总流程图；
图2为智能农业车辆的自行车模型示意图；
图3为原始RRT扩展方式示意图；
图4为本发明的四棵树扩展方式示意图。
具体实施方式
下面结合附图对本发明做进一步说明。
第一步：确定智能农业车辆的运行环境，包括障碍物的具体位置，将任务空间定义为Z，Zfree表示自由区域，Zobs表示障碍物区域，Zfree和Zobs同为任务空间Z的子集，并且满足:
Z＝Zfree∪Zobs
Figure BDA0002364004820000031
起始点qstart、中点qm以及目标点qgoal均属于自由空间Zfree，最终规划出的路径是一条无碰撞且平滑的车辆行驶路径。原始的RRT扩展方式如图3所示，因其随机进行扩展，造成搜索效率不高、生成路径车辆难以执行，因此进行目标引导策略并引入车辆转角约束。第二步：确定智能农业车辆的转角约束范围及确定目标引导偏向策略。车辆在行驶过程中需要考虑执行机构的约束条件，其中转角约束就是其中一项。车辆自行车模型如图2所示，其中δ为前轮的转向角，L为轴距，R为给定的转向角下后轴遵循的圆的半径。由此可知：
Figure BDA0002364004820000032
因为车辆规划路径时前轮转角应小于车辆最大转向角，即转角约束范围为：
|δ|＜≤δmax；
通过选取一定的概率P进行目标点方向扩展，通常P＝0-1,在此选取P＝0.3。
第三步：依据起始点qstart和目标点qgoal的位置，计算出中点qm，并判断中点qm是否属于自由区域Zfree。参考图1流程图，详细判断方法如下：
步骤1)：运用detect(q)函数判断中点qm是否为自由区域，若属于自由区域，则选定此点为中点；
步骤2)：若不是自由区域，设定迭代次数并设置具体步长，循环迭代直到确定中点qm。
第四步：中点qm分别为起始点qstart的暂定目标点和目标点qgoal的暂定起始点，即以中点qm分别向起始点qstart和目标点qgoal进行双向扩展。
第五步：以起始点qstart为根节点向暂定目标点qm进行扩展，同时以中点qm向起始点qstart方向扩展，即形成双向扩展树。
第六步：以中点qm为暂定起始点向目标点qgoal进行扩展，同时以目标点qgoal向中点qm方向扩展，即形成双向扩展树。
第七步：将车辆的转向约束以及各自目标点的引导加入到搜索机制当中，进行搜索路径的构建，共形成四棵同时搜索的随机树，如图4所示。以滚动优化的方法进行路径规划时的实时动态避障。
以车辆搭载的传感器获得实时障碍物信息，构建局部滚动窗口Win(qR(t))，若此时目标点qgoal∈Win(qR(t))，则取子目标点qsub-goal＝qgoal，否则利用启发式函数f(q)＝g(q)+εh(q)选取使得f(q)取最小值的点为子目标点qsub-goal。
采用启发式方法生成局部子目标点，在当前滚动窗口内规划一条优化的局部可行路径，启发估价函数为：f(q)＝g(q)+εh(q)。其中：
Figure BDA0002364004820000041
εh(q)是从当前节点到目标节点的估计代价，ε为调整因子，通过调整ε选择估价函数最小值的节点，从而确定最优子目标。确定子目标后，进行下一轮的滚动规划，直到到达目标点。
第八步：以中点qm向起始点qstart回溯生成L1路径。
第九步：以目标点qgoal向中点qm回溯生成L2路径。
第十步：以目标点qgoal回溯整树生成总的路径L，并对路径进行平滑处理，生成车辆安全行驶路径。
综上所述，本发明改进的RRT算法能够适应大面积场景的路径规划，适用于智能农业车辆的实际作业环境，运用滚动优化的方法进行动态避障，提升搜索路径生成效率的同时进一步提升农业车辆作业效率。本发明改进的RRT算法能够应用于智能农业车辆的路径规划，具有较强的推广性，可以有效扩展到港口智能机械、智能清扫机等。

Claims (5)

1.一种基于改进RRT算法的智能农业车辆路径规划方法，其特征在于对RRT算法进行改进，使用改进的RRT算法能够快速为智能农业车辆规划出一条切实可行的路径，主要包括以下步骤：
步骤一：选定起始点和目标点的中点qm，保证能够选取起始点qstart的暂定目标点和目标点qgoal的暂定起始点，以中点qm同时作为起始点qstart的暂定目标点和目标点qgoal的暂定起始点，从而可以同时生成四棵搜索树进行路径搜索，提高路径规划速率；
步骤二：在搜索的过程中，根据车辆的转向约束以及目标引导策略，提升搜索效率，保障生成路径的可执行性；
步骤三：在搜索的过程中，运用滚动优化的方法生成滚动窗口，以利用实时感知到的窗口信息，进行迭代路径规划生成，从而实现动态避障；
步骤四：在路径回溯时，分别从中点qm向起始点qstart回溯路径以及从目标点qgoal向中点qm回溯路径，最后以目标点qgoal回溯整体路径，生成平滑路径。
2.根据权利要求1所述的一种基于改进RRT算法的智能农业车辆路径规划方法，其特征在于，所述步骤一中，选定起始点和目标点的中点qm，具体为：
以(xs，ys)表示起始点qstart的位置，(xg，yg)表示目标点qgoal的位置，则中点qm的位置表示为
Figure FDA0002364004810000011
运用函数detect(q)判断中点qm所处位置是否为自由区域Zfree，若为障碍物区域，则输出为1，不采用此中点；若是自由区域，则输出为0，采用此中点；若不是自由区域，则以调整步长d的方式迭代搜寻属于自由区域的中点并且设定迭代次数k，并且判断当前迭代次数是否kd≤k，此时中点
Figure FDA0002364004810000012
直到确定中点qm。
3.根据权利要求1所述的一种基于改进RRT算法的智能农业车辆路径规划方法，其特征在于，所述步骤二中，基于车辆转向约束和目标引导策略生成路径，车辆转向约束为：|δ|＜δmax；目标引导策略为以一定的概率P向目标点进行扩展，有效提高搜索效率。
4.根据权利要求1所述的一种基于改进RRT算法的智能农业车辆路径规划方法，其特征在于，所述步骤三中，基于滚动窗口实现动态避障，具体为：
1)以车辆搭载的传感器获得实时障碍物信息，构建局部滚动窗口Win(qR(t))，若此时目标点qgoal∈Win(qR(t))，则取子目标点qsub-goal＝qgoal，否则利用启发式函数f(q)＝g(q)+εh(q)，选取使得f(q)取最小值的点为子目标点qsub-goal；
2)采用启发式方法生成局部子目标点，在当前滚动窗口内规划一条优化的局部可行路径，启发估价函数为：f(q)＝g(q)+εh(q)。其中：
g(q)＝d(qstart，q)；
Figure FDA0002364004810000021
其中，εh(q)是从当前节点到目标节点的估计代价，ε为调整因子，通过调整ε选择估价函数最小值的节点，从而确定最优子目标；
3)确定子目标后，进行下一轮的周期滚动规划，直到到达目标点。
5.根据权利要求1所述的一种基于改进RRT算法的智能农业车辆路径规划方法，其特征在于，在路径回溯时，分别从中点qm向起始点qstart回溯路径以及从目标点qgoal向中点qm回溯路径，最后以目标点qgoal回溯整体路径。
CN202010030133.9A 2020-01-13 2020-01-13 一种基于改进rrt算法的智能农业车辆路径规划方法 Active CN111238518B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010030133.9A CN111238518B (zh) 2020-01-13 2020-01-13 一种基于改进rrt算法的智能农业车辆路径规划方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010030133.9A CN111238518B (zh) 2020-01-13 2020-01-13 一种基于改进rrt算法的智能农业车辆路径规划方法

Publications (2)

Publication Number Publication Date
CN111238518A true CN111238518A (zh) 2020-06-05
CN111238518B CN111238518B (zh) 2023-09-29

Family

ID=70870905

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010030133.9A Active CN111238518B (zh) 2020-01-13 2020-01-13 一种基于改进rrt算法的智能农业车辆路径规划方法

Country Status (1)

Country Link
CN (1) CN111238518B (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111761582A (zh) * 2020-07-08 2020-10-13 浙江大学 一种基于随机采样的移动机械臂避障规划方法
CN112212878A (zh) * 2020-09-25 2021-01-12 南通路远科技信息有限公司 一种导航路径计算方法、装置及手机、车辆
CN112595337A (zh) * 2020-12-01 2021-04-02 苏州欧菲光科技有限公司 避障路径规划方法、装置、电子装置、车辆及存储介质
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
CN113467476A (zh) * 2021-08-02 2021-10-01 福州大学 考虑转角约束的无碰撞检测快速随机树全局路径规划方法
CN115067194A (zh) * 2022-06-10 2022-09-20 甘肃水务节水科技发展有限责任公司 全管道灌区测控智能化灌溉系统及方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103823466A (zh) * 2013-05-23 2014-05-28 电子科技大学 一种动态环境下移动机器人路径规划方法
CN109282815A (zh) * 2018-09-13 2019-01-29 天津西青区瑞博生物科技有限公司 一种动态环境下基于蚁群算法的移动机器人路径规划方法
CN109520507A (zh) * 2018-12-05 2019-03-26 智灵飞（北京）科技有限公司 一种基于改进rrt的无人机实时路径规划方法
CN109542117A (zh) * 2018-10-19 2019-03-29 哈尔滨工业大学（威海） 基于改进rrt的水下航行器滚动规划算法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103823466A (zh) * 2013-05-23 2014-05-28 电子科技大学 一种动态环境下移动机器人路径规划方法
CN109282815A (zh) * 2018-09-13 2019-01-29 天津西青区瑞博生物科技有限公司 一种动态环境下基于蚁群算法的移动机器人路径规划方法
CN109542117A (zh) * 2018-10-19 2019-03-29 哈尔滨工业大学（威海） 基于改进rrt的水下航行器滚动规划算法
CN109520507A (zh) * 2018-12-05 2019-03-26 智灵飞（北京）科技有限公司 一种基于改进rrt的无人机实时路径规划方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
王坤;黄勃;曾国辉;李晓斌: "基于改进RRT-Connect的快速路径规划算法", 武汉大学学报(理学版) *

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111761582A (zh) * 2020-07-08 2020-10-13 浙江大学 一种基于随机采样的移动机械臂避障规划方法
CN111761582B (zh) * 2020-07-08 2021-05-18 浙江大学 一种基于随机采样的移动机械臂避障规划方法
CN112212878A (zh) * 2020-09-25 2021-01-12 南通路远科技信息有限公司 一种导航路径计算方法、装置及手机、车辆
CN112595337A (zh) * 2020-12-01 2021-04-02 苏州欧菲光科技有限公司 避障路径规划方法、装置、电子装置、车辆及存储介质
CN112595337B (zh) * 2020-12-01 2023-08-15 苏州欧菲光科技有限公司 避障路径规划方法、装置、电子装置、车辆及存储介质
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
CN113467476A (zh) * 2021-08-02 2021-10-01 福州大学 考虑转角约束的无碰撞检测快速随机树全局路径规划方法
CN115067194A (zh) * 2022-06-10 2022-09-20 甘肃水务节水科技发展有限责任公司 全管道灌区测控智能化灌溉系统及方法

Also Published As

Publication number Publication date
CN111238518B (zh) 2023-09-29

Similar Documents

Publication Publication Date Title
CN111238518A (zh) 一种基于改进rrt算法的智能农业车辆路径规划方法
CN113204236B (zh) 一种智能体路径跟踪控制方法
Zhao et al. A novel direct trajectory planning approach based on generative adversarial networks and rapidly-exploring random tree
Zips et al. Optimisation based path planning for car parking in narrow environments
CN111694364A (zh) 一种应用于智能车路径规划的基于改进蚁群算法与动态窗口法的混合算法
CN106708059B (zh) 一种基于通道选择的移动机器人实时运动规划方法
CN113276848B (zh) 一种智能驾驶换道避障轨迹规划、跟踪控制方法及系统
CN109933057B (zh) 拖拉机自动驾驶系统的局部引导轨迹规划方法及装置
CN103324196A (zh) 基于模糊逻辑的多机器人路径规划与协调避碰方法
CN116185014A (zh) 一种基于动态规划的智能车全局最优轨迹规划方法与系统
Valero et al. Assessment of the effect of energy consumption on trajectory improvement for a car-like robot
Babu et al. Model predictive control for autonomous driving considering actuator dynamics
Qie et al. An improved model predictive control-based trajectory planning method for automated driving vehicles under uncertainty environments
Atiyah et al. An overview: On path planning optimization criteria and mobile robot navigation
Lu Path tracking control algorithm for unmanned vehicles based on improved RRT algorithm
Chen et al. A robust trajectory planning method based on historical information for autonomous vehicles
Effati et al. An equivalent time-optimal problem to find energy-optimal paths for skid-steer rovers
Zhang et al. 2D map building and path planning based on LiDAR
Xie et al. An optimal path-planning algorithm for unmanned rollers with constraints on roller attitude
Shi et al. Local path planning of unmanned vehicles based on improved RRT algorithm
Li et al. Predictable Trajectory Planner in Time-domain and Hierarchical Motion Controller for Intelligent Vehicles in Structured Road
Li et al. An efficient sampling-based hybrid a* algorithm for intelligent vehicles
Zhang et al. Research on path planning and tracking method of auto-driving vehicles under complex constraints
CN114115291B (zh) 一种复杂非凸环境下的车辆路径规划方法
Li et al. DF-FS based path planning algorithm with sparse waypoints in unstructured terrain

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
GR01 Patent grant
GR01 Patent grant