摘要
针对移动机器人在狭隘与复杂环境中非完整性约束问题,提出了一种AMRRT-Connect(adaptive mid-node rapidly-exploring random tree-connect)算法。该算法根据距离代价函数判断起始点与目标点的距离,在起始点与目标点之间,通过中节点采样(mid-node sampling,MNS)函数同时采样出距离相等的第2起始点和第2目标点,使得改进后的算法能同时从起始点、目标点、第2起始点、第2目标点生长出6棵随机树,每棵随机树同时向各自的目标方向进行快速拓展。为了避免中节点采样函数获得的采样点与障碍物发生碰撞,引入了自适应避障重采样原则。同时,引入了拓展避障策略,加快6棵随机树在环境地图中的拓展速度,提高6棵随机树的避障能力。在实验中分别设置了狭隘和复杂环境进行验证,实验结果表明,无论在狭隘环境或者复杂环境中,AMRRT-Connect路径规划的迭代次数、寻路时间均明显优于快速拓展随机树、双树结构快速拓展随机算法。
- 单位