双约束RRT算法的移动机器人路径规划

作者：王朵; 陈为真^*

来源：武汉轻工大学学报, 2022, 41(05): 96-103.

• RRT
• 概率采样池
• 角度约束
• 目标偏置
• 路径规划

针对快速扩展随机树(RRT)算法和目标偏置RRT(GB-RRT)算法存在较多冗余节点、搜索时间较长、路径转角幅度大、不适于移动机器人的实际运行等问题，提出一种双约束RRT(Duple Constraints RRT,DC-RRT)算法。该算法基于目标偏置思想，使用随机函数进行了多次采样，形成概率采样池，通过采样池中的点与规划终点的距离来约束采样点，能有效减少不必要的空间搜索，减少采样点及路径包含的节点个数；考虑移动机器人的前轮转角，提出用包含长度和角度的新节点生成函数来约束新节点，使规划路径转角幅度更小，更符合移动机器人的实际运行。将DC-RRT算法与RRT、GB-RRT算法从路径规划的成功率、有效节点占比、完成时间、转折角度以及路径长度五个方面进行比较，仿真结果表明，在保证规划成功率的同时，DC-RRT算法显著减少了无效搜索，缩短了寻路时间，规划路径更平滑，有效提升了算法的性能。

• 单位
  武汉轻工大学; 电子工程学院