复杂环境下基于改进Informed RRT的无人机路径规划算法

TP242.2; 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(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.然后,考虑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,并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.在找到第一条可达路径后,采用变化的椭圆或椭球采样域限制采样点选取和自适应步长的扩展范围,加快算法收敛到渐进最优的速度.最后,在复杂二维...

Full description

Saved in:
Bibliographic Details
Published in上海交通大学学报 Vol. 58; no. 4; pp. 511 - 524
Main Authors 刘文倩, 单梁, 张伟龙, 刘成林, 马强
Format Journal Article
LanguageChinese
Published 南京理工大学自动化学院,南京 210094%江南大学轻工过程先进控制教育部重点实验室,江苏无锡 214122 01.04.2024
Subjects
自适应步长
Informed RRT(IRRT)
elliptic sampling domain
人工势场法
椭圆采样域
path planning
adaptive step size
artificial potential field(APF)method
路径规划
Informed RRT
Online AccessGet full text
ISSN1006-2467
DOI10.16183/j.cnki.jsjtu.2022.442

Cover

More Information
Summary:TP242.2; 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(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.然后,考虑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,并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.在找到第一条可达路径后,采用变化的椭圆或椭球采样域限制采样点选取和自适应步长的扩展范围,加快算法收敛到渐进最优的速度.最后,在复杂二维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更优的初始路径,更快地锁定椭圆或椭球采样域,从而给路径优化留出更多时间,算法规划效果更好.
ISSN:1006-2467
DOI:10.16183/j.cnki.jsjtu.2022.442