CN111678523B - 一种基于star算法优化的快速bi_rrt避障轨迹规划方法 - Google Patents

一种基于star算法优化的快速bi_rrt避障轨迹规划方法 Download PDF

Info

Publication number
CN111678523B
CN111678523B CN202010613627.XA CN202010613627A CN111678523B CN 111678523 B CN111678523 B CN 111678523B CN 202010613627 A CN202010613627 A CN 202010613627A CN 111678523 B CN111678523 B CN 111678523B
Authority
CN
China
Prior art keywords
node
new
point
tree
random
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.)
Active
Application number
CN202010613627.XA
Other languages
English (en)
Other versions
CN111678523A (zh
Inventor
徐德刚
罗仔明
苏志芳
桂卫华
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.)
Central South University
Original Assignee
Central South 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 Central South University filed Critical Central South University
Priority to CN202010613627.XA priority Critical patent/CN111678523B/zh
Publication of CN111678523A publication Critical patent/CN111678523A/zh
Application granted granted Critical
Publication of CN111678523B publication Critical patent/CN111678523B/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
    • G01C21/20—Instruments for performing navigational calculations
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J9/00—Programme-controlled manipulators
    • B25J9/16—Programme controls
    • B25J9/1656—Programme controls characterised by programming, planning systems for manipulators
    • B25J9/1664—Programme controls characterised by programming, planning systems for manipulators characterised by motion, path, trajectory planning
    • B25J9/1666—Avoiding collision or forbidden zones
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J9/00—Programme-controlled manipulators
    • B25J9/16—Programme controls
    • B25J9/1674—Programme controls characterised by safety, monitoring, diagnostic
    • B25J9/1676—Avoiding collision or forbidden zones
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/901—Indexing; Data structures therefor; Storage structures
    • G06F16/9027—Trees
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D30/00—Reducing energy consumption in communication networks
    • Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Theoretical Computer Science (AREA)
  • Mechanical Engineering (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • Robotics (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Automation & Control Theory (AREA)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
  • Manipulator (AREA)

Abstract

本发明公开了一种基于STAR算法优化的快速BI_RRT避障轨迹规划方法。方法分为两步进行，第一步主要完成两个结构树快速向对方的方向扩展并产生新的节点；第二步主要完成对生长后的节点集合进行最优路径选择。本发明通过对双向生长树的生长规律进行设计，使得双向生长树的随机性更弱，更快的离开初始区域，利用对生成的路径进行重选父节点以及重新焊接树的操作，使得最终路径趋近于最优路径，提升了避障轨迹规划的效率。

Description

一种基于STAR算法优化的快速BI_RRT避障轨迹规划方法
技术领域
本发明涉及避障轨迹规划领域，特别涉及一种基于STAR算法优化的快速BI_RRT避障轨迹规划方法。
背景技术
基于快速扩展随机树(RRT)的路径规划算法作为一种空间内避障轨迹规划算法，通过对状态空间中的采样点进行碰撞检测，避免了对空间的建模，能够有效地解决高维空间和复杂约束的路径规划问题。它以一个初始点作为根节点，通过随机采样增加叶子节点的方式，生成一个随机扩展树，当随机树中的叶子节点包含了目标点或进入了目标点附近区域，便可以在随机树中找到一条由从初始点到目标点的路径。该方法的特点是能够快速有效地搜索高维空间，通过状态空间的随机采样点，把搜索导向空白区域，从而寻找到一条从起始点到目标点的规划路径，
RRT是作为一种基于随机搜索理念的路径规划方法，在面对复杂障碍物环境时，其搜索效率较低，同时基于RRT算法生成的联通路径往往存在很多折返。对于RRT路径规划算法的弊端有两个主要改进：RRT-Connect与RRT*算法。RRT-Connect算法分别从起始点和目标点各生成一颗RRT树，选择其中一颗RRT树开始生长，当新的生长节点与障碍物发生碰撞时，选择另一棵树开始生长，通过起始点与终止点双向生长RRT树，大大提高了计算出联通路径的效率，但其生成的轨迹与RRT算法一样，其路径代价较大；RRT*算法对RRT算法生成的树进行修剪操作，对于将新生成的节点在一定搜索半径内搜索父节点使其到初始节点的路径最短，对于搜索范围内的其他节点，如将其父节点改为该新节点时，路径更短，则其父节点为该新节点。RRT*算法能通过设置采样点数量对RRT算法生成的树进行修剪操作使得路径更优，其生成联通路径效率与RRT算法类似。
发明内容
RRT-Connect算法作为一种双向搜索的RRT算法，通过起点RRT树与终点RRT树的双向搜索，能以更快的速度形成联通路径，但其联通路径往往都比较长，且存在折返，同时两颗RRT树的生长方向随机无规律，使得其联通速度较慢；RRT*作为一种渐进优化的路径规划算法，根据其节点的增加，能够计算出一条渐近最短的路径，但其计算出初始联通路径的时间代价与RRT算法接近。为兼顾路径计算的时间代价与路径的长度代价，需要结合二者的优点，扬长避短对算法进行改进；
为了实现上述技术目的，本发明的技术方案是，
一种基于STAR算法优化的快速BI_RRT避障轨迹规划方法，包括以下步骤：
S1：以需要进行避障的轨迹起点和目标点分别作为两个不同的结构树的根，以分别建立两个结构树；
S2：随机选择其中一颗树作为当前树，在起点和目标点所在的空间中生成随机点；
S3：根据随机点的空间位置，在两棵树上寻找最近节点，按照随机规律，为当前树生成新子节点，并判断当前树扩展至新子节点后是否与空间内的障碍物发生碰撞；若未发生碰撞，则该新子节点可行并执行S4，否则跳转至S2循环执行；
S4：根据新子节点的位置建立周围点点集，并在周围点点集内选取一邻近节点，使得新子节点与邻近节点的连线不会与环境发生碰撞，且邻近节点到当前树根节点长度最短；
S5：确定连线接入到当前树中的连接方式，即新子节点、邻近节点在树中的先后顺序以及父子关系，扩展当前树；
S6：判断经过扩展后，两棵树是否已经相连，若相连，则避障轨迹规划方法完成；否则返回至S2循环以上步骤，直至两棵树相连。
所述的基于STAR算法优化的快速BI_RRT避障轨迹规划方法，所述的步骤S2中，选择其中一棵树并生成随机点的具体方法为：
S201：以相同的几率在两棵结构树中任选一棵；
S202：生成两个随机数，分别作为随机点的横坐标和纵坐标，得到随机点。
所述的基于STAR算法优化的快速BI_RRT避障轨迹规划方法，所述的步骤S3中，通过随机规律生成新子节点qnew，并判断当前树扩展至新子节点后是否与空间内的障碍物发生碰撞的方法为：
S301：遍历当前树上的每个节点，分别计算每个节点与随机点的空间距离，寻找离随机点最近的节点qnearest；以相同方式遍历非当前树中的每个节点，寻找离随机点最近的节点qgoal；
S302：生成一个随机数Rand()，若Rand()大于设定选择概率值P，则选择以qnearest为起点朝qrand扩展一个步长得到qnew；若Rand()小于设定值P，则选择以qnearest为起点朝qgoal扩展一个步长得到qnew；
S303：检测当前树扩展至qnew之后，qnearest与qnew的连线是否与环境中的障碍物发生碰撞：采用包围球法实现连线与环境的碰撞检测，将环境中的障碍物用能够完全包围障碍物且半径最小的球体包围住，然后检测连线和包围球之间是否碰撞。
所述的基于STAR算法优化的快速BI_RRT避障轨迹规划方法，所述的步骤S4中，获得邻近节点qnear的方法为：
S401：以qnew为球心，以5～15倍步长R为半径，建立一个球体，将被包围在该球体内的当前树上的所有的点的集合设为Qnear；
S402：对Qnear中的每个点qnear构造边(qnew,qnear)，通过包围球法进行碰撞检测，剔除所有将与环境产生碰撞的边所对应的qnear，剔除后更新Qnear，得到无碰撞点集；
S403：遍历更新后的无碰撞点集，计算每个点与qnew连线(qnew,qnear)的长度，选择长度最短的边(qnew,qnear)用于扩展当前树，得到该最短边对应的qnear。
所述的基于STAR算法优化的快速BI_RRT避障轨迹规划方法，所述的步骤S5中，确定(qnew,qnear)接入到当前树中的连接方式的方法为：
S501：对于(qnew,qnear)，分别计算以qnew为父节点接入当前树之后的总路径长度，以及以qnear为父节点接入当前树之后的总路径长度。
S502：若qnear以qnew作为父节点连接到当前树会使其到根节点的总路径更短，则将该节点的父节点更改为qnew，否则将qnew以qnear为父节点连接到当前树，扩展树结构。
所述的基于STAR算法优化的快速BI_RRT避障轨迹规划方法，所述的步骤S6中，判断两个树是否已经相连的方法为：
S601：将算法最近更新的节点qnew提取出来，如果该节点为起点结构树的节点则转到步骤S602，如果该节点为目标点结构树的节点则转到步骤S603。
S602：搜索终点树离qnew最近的节点，若该节点距离qnew点小于1～2倍步长，且该点与qnew的连线与障碍物不发生碰撞，则两颗结构树已连接。
S603：搜索目标点树离qnew最近的节点，若该节点距离qnew点小于1～2倍步长，且该点与qnew的连线与障碍物不发生碰撞，则两颗结构树已连接。
本发明的技术效果在于，与传统轨迹规划算法相比，本发明结合了RRT-Connect以及RRT*算法的思想，充分考虑了扩展方向的设置以及最优轨迹的筛选问题，对原有方法进行了优化。首先以起点和目标点为根分别建立两个结构树并任选其中一颗作为当前树生成随机采样样点，在当前树以及另一棵树中分别选取离它最近的顶点，以一定的随机概率选择扩展方向，并检测扩展后是否与环境发生碰撞，否则重新选取；然后，分析以该点周围所有样点来扩展结构树是否会与环境发生碰撞，并筛选出代价最小的最优路径，通过重选父节点使得扩展后的结构树总路径最短；最后判断两结构树是否已经联通，进而得到最终轨迹。本发明通过对双向生长树的生长规律进行设计，使得双向生长树的随机性更弱，更快的离开初始区域，利用对生成的路径进行重选父节点以及重新焊接树的操作，使得最终路径趋近于最优路径，提升了避障轨迹规划的效率。该方法既具备双向扩展随机树方法高效快速的特点，同时也结合了RRT*的修剪思想，使得最终路径趋近于最优路径，从而高效且高质地为运动物体提供更加安全的作业轨迹，可运用于机械手运动轨迹规划或其他运动物体的运动轨迹规划。
附图说明
图1为本发明所述稳定度评估方法的流程示意图。
图2中，(a)是作为对照组的RRT-Connect算法的轨迹规划效果图，(b)是作为对照组的RRT*算法的轨迹规划效果图。
图3为基于STAR算法优化的快速BI_RRT避障轨迹规划方法的轨迹规划效果图。
具体实施方式
下面结合具体实施例，并参照附图，对本发明作进一步详细说明。
参见附图1所示，本实例所述的一种基于STAR算法优化的快速BI_RRT避障轨迹规划方法，其中BI指的是Bidirectional，即双向，包括以下步骤：
S101：基于运动物体的预设运动起点和目标点，分别以起点和目标点为两个不同的结构树的根，来分别建立两个结构树Γa和Γb。
其中本实施例中所称的结构树是由多个按顺序相连的父子节点组成，每个子节点都有唯一一个对应的父节点。初始化的结构树只有一个节点，即根节点。在扩展结构树时，将已确定的新节点作为子节点，在树上选取某已有的节点做为父节点连接，实现结构树的扩展。
S201：按照0.5的概率选择其中一颗树作为当前树，即利用计算机系统生成介于0到1之间的随机数，若随机数小于0.5，则选择树Γa作为当前树，若随机数大于0.5则选择树Γb。
S202：在空间中生成随机点qrand：利用计算机系统生成两个随机数，分别作为随机点的横坐标和纵坐标，得到随机点qrand。
S301：根据随机点qrand的空间位置，在两棵树上寻找最近节点：遍历当前树上的每个节点，分别计算该节点与qrand的空间距离，寻找离qrand最近的点qnearest；同理，遍历非当前树中的每个节点，寻找离qrand最近的点qgoal。
S302：按照一定的随机规律，为当前树生成qnew：借助计算机生成范围在0～1内的随机数Rand()，若Rand()大于设定概率值P，则选择以qnearest为起点朝qrand扩展一个步长得到qnew；若Rand()小于设定值P，则选择以qnearest为起点朝qgoal扩展一个步长得到qnew。其中概率值P视障碍物数量以及障碍物的复杂性而定，为保证树节点能够在遍历足够的搜索范围内，概率值P一般不超过0.3。而步长是指从qnearest点朝qrand前进的一段距离，步长的值跟障碍物的多少与分布情况有关。步长为一个经验调整值，障碍物越少，分布越简单，步长就可以设置的比较大，反之则应缩短。一般来说，步长可预设为起点与目标点之间连线长度的1％，然后再根据实际效果进行具体调整。
S303：检测当前树扩展至qnew之后，qnew与qnearest间的连线是否与环境中的障碍物发生碰撞。本实施例采用包围球法实现连线与环境的碰撞检测。首先将环境中的障碍物用能够完全包围障碍物且半径最小的球体完全包围住，则连线与环境中障碍物之间的碰撞检测可以简化为连线和包围球之间的碰撞检测。以连线的长度为a，包围球sphere的球心为点Pi，Pi到qnew与qnearest间连线线段的垂足为点D，与两端的距离分别为b和c，则有：
p＝(a+b+c)/2
Figure GDA0003463482960000051
由此可得空间点到直线的距离公式为：
Figure GDA0003463482960000052
因此，判断包围球与连线是否发生碰撞，只需判断PiD＜rsphere是否成立即可。若未发生碰撞，则该qnew可行，否则跳转至S201重复执行循环。
S401：根据qnew的位置建立周围点点集Qnear，以qnew为球心，以R为半径，建立一个球体，将被包围在该球体内的当前树上的所有的点的集合设为Qnear。
S402：对Qnear中的每个点qnear构造边(qnew,qnear)，借助和S3同样的碰撞检测算法，剔除所有将与环境产生碰撞的边所对应的qnear，剔除后更新Qnear，得到无碰撞点集。
S403：遍历更新后的无碰撞点集，计算每个点与qnew连线(qnew,qnear)的长度，选择长度最短的边(qnew,qnear)用于扩展当前树，得到该最短边对应的qnear。
S501：对于(qnew,qnear)，分别计算以qnew为父节点接入当前树之后的总路径长度，以及以qnear为父节点接入当前树之后的总路径长度。
S502：若qnear以qnew作为父节点连接到当前树会使其到根节点的总路径更短，则将该节点的父节点更改为qnew，否则将qnew以qnear为父节点连接到当前树，扩展树结构。
S601：判断经过扩展后，两棵树是否已经相连，将算法最近更新的节点qnew提取出来，如果该节点为起始树节点转到步骤S602，如果该节点为目标点树的节点，转到步骤S603。
S602：搜索终点树离qnew最近的节点，若该节点距离qnew点小于一定值rend。且该点与qnew的连线与障碍物不发生碰撞，则两颗结构树已连接，即轨迹规划完成，否则返回至S2重新选择当前结构树的步骤并循环以上步骤，直至两棵树相连。
S603：搜索目标点树离qnew最近的节点，若该节点距离qnew点小于一定值rend。且该点与qnew的连线与障碍物不发生碰撞，则两颗结构树已连接，即轨迹规划完成，否则返回至S2重新选择当前结构树的步骤并循环以上步骤，直至两棵树相连。
至此，已经结合附图所示描述了本发明的技术方案。本实例中，首先以轨迹的起点和目标点为根，分别建立两个结构树，按照0.5的概率选择其中一颗作为当前树，在二维空间中生成随机采样样点，在当前树以及另一棵树中分别选取离它最近的顶点，以一定的随机概率选择当前树的扩展方向，并检测扩展后是否与环境中的圆形障碍物产生碰撞，得到无碰撞的新节点；之后，以新节点为球心建立点集，分析用该点集内所有样点与新节点的连线来扩展结构树是否会与环境发生碰撞，并筛选出代价最小的最优路径，通过重选父节点使得扩展后的结构树总路径最短；最后，判断扩展后两棵树是否相连，若相连，则轨迹规划已完成，否则继续循环重复以上步骤，进而得到最优轨迹。

Claims (5)

1.一种基于STAR算法优化的快速BI_RRT避障轨迹规划方法，其特征在于，包括以下步骤：
S1：以需要进行避障的轨迹起点和目标点分别作为两个不同的结构树的根，以分别建立两个结构树；
S2：随机选择其中一颗树作为当前树，在起点和目标点所在的空间中生成随机点；
S3：根据随机点的空间位置，在两棵树上寻找最近节点，按照随机规律，为当前树生成新子节点，并判断当前树扩展至新子节点后是否与空间内的障碍物发生碰撞；若未发生碰撞，则该新子节点可行并执行S4，否则跳转至S2循环执行；
S4：根据新子节点的位置建立周围点点集，并在周围点点集内选取一邻近节点，使得新子节点与邻近节点的连线不会与环境发生碰撞，且邻近节点到当前树根节点长度最短；
S5：确定连线接入到当前树中的连接方式，即新子节点、邻近节点在树中的先后顺序以及父子关系，扩展当前树；
S6：判断经过扩展后，两棵树是否已经相连，若相连，则避障轨迹规划方法完成；否则返回至S2循环以上步骤，直至两棵树相连；
所述的步骤S3中，通过随机规律生成新子节点qnew，并判断当前树扩展至新子节点后是否与空间内的障碍物发生碰撞的方法为：
S301：遍历当前树上的每个节点，分别计算每个节点与随机点的空间距离，寻找离随机点最近的节点qnearest；以相同方式遍历非当前树中的每个节点，寻找离随机点最近的节点qgoal；
S302：生成一个随机数Rand()，若Rand()大于设定选择概率值P，则选择以qnearest为起点朝qrand扩展一个步长得到qnew，其中qrand为随机点；若Rand()小于设定值P，则选择以qnearest为起点朝qgoal扩展一个步长得到qnew；
S303：检测当前树扩展至qnew之后，qnearest与qnew的连线是否与环境中的障碍物发生碰撞：采用包围球法实现连线与环境的碰撞检测，将环境中的障碍物用能够完全包围障碍物且半径最小的球体包围住，然后检测连线和包围球之间是否碰撞。
2.根据权利要求1所述的基于STAR算法优化的快速BI_RRT避障轨迹规划方法，其特征在于，所述的步骤S2中，选择其中一棵树并生成随机点的具体方法为：
S201：以相同的几率在两棵结构树中任选一棵；
S202：生成两个随机数，分别作为随机点的横坐标和纵坐标，得到随机点。
3.根据权利要求1中所述的基于STAR算法优化的快速BI_RRT避障轨迹规划方法，其特征在于，所述的步骤S4中，获得邻近节点qnear的方法为：
S401：以qnew为球心，以5～15倍步长R为半径，建立一个球体，将被包围在该球体内的当前树上的所有的点的集合设为Qnear；
S402：对Qnear中的每个点qnear构造边(qnew,qnear)，通过包围球法进行碰撞检测，剔除所有将与环境产生碰撞的边所对应的qnear，剔除后更新Qnear，得到无碰撞点集；
S403：遍历更新后的无碰撞点集，计算每个点与qnew连线(qnew,qnear)的长度，选择长度最短的边(qnew,qnear)用于扩展当前树，得到该最短边对应的qnear。
4.根据权利要求1中所述的基于STAR算法优化的快速BI_RRT避障轨迹规划方法，其特征在于，所述的步骤S5中，确定连线(qnew,qnear)接入到当前树中的连接方式的方法为：
S501：对于(qnew,qnear)，分别计算以qnew为父节点接入当前树之后的总路径长度，以及以qnear为父节点接入当前树之后的总路径长度，其中qnear为邻近节点；
S502：若qnear以qnew作为父节点连接到当前树会使其到根节点的总路径更短，则将该节点的父节点更改为qnew，否则将qnew以qnear为父节点连接到当前树，扩展树结构。
5.根据权利要求1中所述的基于STAR算法优化的快速BI_RRT避障轨迹规划方法，其特征在于，所述的步骤S6中，判断两个树是否已经相连的方法为：
S601：将算法最近更新的节点qnew提取出来，如果该节点为起点结构树的节点则转到步骤S602，如果该节点为目标点结构树的节点则转到步骤S603；
S602：搜索终点树离qnew最近的节点，若该节点距离qnew点小于1～2倍步长，且该点与qnew的连线与障碍物不发生碰撞，则两颗结构树已连接；
S603：搜索目标点树离qnew最近的节点，若该节点距离qnew点小于1～2倍步长，且该点与qnew的连线与障碍物不发生碰撞，则两颗结构树已连接。
CN202010613627.XA 2020-06-30 2020-06-30 一种基于star算法优化的快速bi_rrt避障轨迹规划方法 Active CN111678523B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010613627.XA CN111678523B (zh) 2020-06-30 2020-06-30 一种基于star算法优化的快速bi_rrt避障轨迹规划方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010613627.XA CN111678523B (zh) 2020-06-30 2020-06-30 一种基于star算法优化的快速bi_rrt避障轨迹规划方法

Publications (2)

Publication Number Publication Date
CN111678523A CN111678523A (zh) 2020-09-18
CN111678523B true CN111678523B (zh) 2022-05-17

Family

ID=72437586

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010613627.XA Active CN111678523B (zh) 2020-06-30 2020-06-30 一种基于star算法优化的快速bi_rrt避障轨迹规划方法

Country Status (1)

Country Link
CN (1) CN111678523B (zh)

Families Citing this family (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112223291B (zh) * 2020-10-21 2022-02-11 哈工大机器人（合肥）国际创新研究院 一种基于三维任务空间约束的机械臂避障方法及装置
CN112338916A (zh) * 2020-10-29 2021-02-09 深圳市大象机器人科技有限公司 基于快速扩展随机树的机械臂避障路径规划方法及系统
CN112987737B (zh) * 2021-02-26 2022-06-17 华中科技大学 考虑转角约束的Bi-RRT无人艇多艇导航方法及设备
CN113031004B (zh) * 2021-03-05 2024-04-16 西北工业大学 基于三维激光雷达的无人船水面目标检测及路径规划方法
CN113064426B (zh) * 2021-03-17 2022-03-15 安徽工程大学 一种改进双向快速搜索随机树算法的智能车路径规划方法
CN113103236B (zh) * 2021-04-22 2022-06-10 山东大学 一种快速渐进最优的机械臂避障路径规划方法
CN113204238B (zh) * 2021-04-22 2023-09-12 武汉理工大学 一种移动机器人的路径规划方法、设备及存储介质
CN113325845B (zh) * 2021-05-31 2022-09-23 的卢技术有限公司 一种基于混合apf和rrt的无人驾驶路径规划方法
CN113885509B (zh) * 2021-10-21 2024-02-06 广东电网有限责任公司广州供电局 一种应急电源车路径规划方法、装置、设备及存储介质
CN114705196B (zh) * 2022-06-07 2022-08-30 湖南大学 一种用于机器人的自适应启发式全局路径规划方法与系统

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108896052A (zh) * 2018-09-20 2018-11-27 鲁东大学 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
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

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10365110B2 (en) * 2014-09-30 2019-07-30 Nec Corporation Method and system for determining a path of an object for moving from a starting state to an end state set avoiding one or more obstacles
CN106444740B (zh) * 2016-07-15 2019-03-12 浙江工业大学 基于mb-rrt的无人机二维航迹规划方法
CN108444489A (zh) * 2018-03-07 2018-08-24 北京工业大学 一种改进rrt算法的路径规划方法
CN108681787B (zh) * 2018-04-28 2021-11-16 南京航空航天大学 基于改进双向快速扩展随机树算法的无人机路径优化方法
JP7077800B2 (ja) * 2018-06-11 2022-05-31 オムロン株式会社 経路計画装置、経路計画方法、及び経路計画プログラム
CN109976347B (zh) * 2019-04-11 2023-10-13 中南大学 一种基于快速扩展随机树和势场法的视觉伺服路径规划方法
CN109990796B (zh) * 2019-04-23 2022-07-19 成都信息工程大学 基于双向扩展随机树的智能车路径规划方法
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
CN110609552B (zh) * 2019-09-12 2022-08-02 哈尔滨工程大学 一种水下无人航行器编队平面航迹规划方法
CN110749333B (zh) * 2019-11-07 2022-02-22 中南大学 基于多目标优化的无人驾驶车辆运动规划方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108896052A (zh) * 2018-09-20 2018-11-27 鲁东大学 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
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

Also Published As

Publication number Publication date
CN111678523A (zh) 2020-09-18

Similar Documents

Publication Publication Date Title
CN111678523B (zh) 一种基于star算法优化的快速bi_rrt避障轨迹规划方法
US10365110B2 (en) Method and system for determining a path of an object for moving from a starting state to an end state set avoiding one or more obstacles
CN110544296B (zh) 一种敌方威胁不确定环境下无人机三维全局航迹智能规划方法
CN112462803B (zh) 一种基于改进nsga-ii的无人机路径规划方法
CN113110522B (zh) 一种基于复合式边界检测的机器人自主探索方法
CN107883961A (zh) 一种基于Smooth‑RRT算法的水下机器人路径优化方法
CN109931943B (zh) 无人船舶全局路径规划方法及电子设备
CN112987799B (zh) 一种基于改进rrt算法的无人机路径规划方法
CN112985408B (zh) 一种路径规划优化方法及系统
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
CN109214596B (zh) 求取具有方向约束和障碍限制的栅格最短路径规划方法
CN113917925B (zh) 一种基于改进遗传算法的移动机器人路径规划方法
CN114161416A (zh) 基于势函数的机器人路径规划方法
CN114877905A (zh) 一种双向动态生长的Informed-RRT*路径规划方法
CN114237302B (zh) 一种基于滚动时域的三维实时rrt*航路规划方法
CN111824131B (zh) 一种自动泊车的方法和车辆
Ying et al. Path planning of mobile robot based on Improved RRT Algorithm
CN116009527A (zh) 基于动态场景结构膨胀感知的路径规划算法
CN116245267A (zh) 融合爬山策略的改进粒子群混合的智能农机路径规划算法
CN114911233A (zh) 基于多优化快速拓展随机树的足球机器人路径规划方法
Zhang et al. Improve RRT algorithm for path planning in complex environments
CN112148030B (zh) 一种基于启发式算法的水下滑翔机路径规划方法
CN109657834B (zh) 一种基于自适应基因长度差分进化算法的海底路径规划方法
Qiang et al. A new method for mobile robot path planning based on particle swarm optimization algorithm
Jiang et al. RRT track planning method based on effective neighborhood

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