复杂环境下基于改进Informed RRT*的无人机路径规划算法

作者：刘文倩; 单梁^*; 张伟龙; 刘成林; 马强

来源：上海交通大学学报, 2023, 1-24.

DOI：10.16183/j.cnki.jsjtu.2022.442

• 路径规划
• Informed RRT*
• 人工势场法
• 自适应步长
• 椭圆采样域

针对无人机在复杂环境中进行路径规划时，快速搜索随机树(Rapidly-exploring Random Trees， RRT)算法易出现规划时间长、路径冗余、狭窄空间中易陷入局部约束导致规划失败的问题，提出一种改进的Informed RRT*算法。首先引入人工势场法(Artificial Potential Field， APF)使采样点按照势场下降的方式向目标点移动，以提高RRT树扩展的目的性和方向性。接着考虑到随机树在扩展过程中全局环境的复杂度，引入自适应步长调整策略以增加随机树在无障碍环境下的扩展速度。再者在随机树扩展的过程中加入相关约束条件以确保生成路径的可行性。其次在找到第一条可达路径后，采用变化的椭圆/椭球采样域对采样点的选取以及自适应步长的扩展范围进行限制，以加快算法收敛到渐进最优的速度。最后在复杂二维环境和三维环境下进行传统算法和改进算法的对比实验，仿真分析表明改进算法可以在很少的迭代次数下找到一条更优的初始路径，更快地锁定椭圆/椭球采样域，从而给路径优化留有更多的时间，算法规划效果更好。

• 单位
  南京理工大学; 江南大学; 自动化学院