RRT-QSA*:一种改进的移动机器人路径规划算法

作者：孙海杰; 伞红军^*; 肖乐; 姚得鑫; 陈久朋; 杨晓园

来源：系统仿真学报, 2023, 1-17.

DOI：10.16182/j.issn1004731x.joss.23-0585

• 移动机器人
• 路径规划
• 快速随机扩展树
• 路径优化
• Turtlebot2

为了解决快速随机扩展树算法RRT(Rapidly-exploringRandomTree)无效采样以及路径不最优等问题，提出了一种基于拟水流避障算法QS(Quasi-stream Avoidance)和RRT算法的改进算法RRT-QSA*。首先，在采样上通过规定采样区间来限制采样点，增强采样的目标导向性。然后，在遇到障碍物时采用融合了A*算法的拟水流避障算法迅速绕过障碍物。随后，采用路径优化算法对搜索到的路径进行路径优化。为了验证RRT-QSA*算法的有效性和先进性，分别在不同尺寸的2维栅格地图中进行仿真，仿真结果表明，与RRT算法相比，RRT-QSA*算法的计算时间减少了96.83%-99.88%，搜索节点数减少了86.62%-96.01%，路径长度数减少了9.9%-16.7%，转折角度减少了80.93%-93.04%。此外，随着地图大小的增加，RRT-QSA*算法比RRT算法计算效率的提升更加明显。最后将RRT-QSA*应用于移动机器人Turtlebot2 进行对比实验。实验结果表明，RRT-QSA*算法的寻路速度比RRT算法更快，路径更平滑，能够满足移动机器人路径规划的要求。

• 单位
  机电工程学院; 昆明理工大学