路徑規(guī)劃問題是自主車系統(tǒng)中決策環(huán)節(jié)的重要內(nèi)容。快速擴展隨機樹（RRT）由于其算法復雜度低、搜索速度快等優(yōu)點受到了廣泛應用,但隨機性也導致算法的效率不高、規(guī)劃路徑質(zhì)量不佳的問題。此外,目前很多路徑規(guī)劃算法并沒有考慮不同障礙物的危險程度。因此,論文在RRT算法的基礎上,引入了人工勢場法,提出了一種基于多安全度模型的改進方法,并對規(guī)劃路徑進行優(yōu)化,從而提高了算法的收斂速度,保證了路徑的安全性,并能得到較優(yōu)解。通過仿真實驗,證實了該算法的有效性。 

【文章來源】：計算機與數(shù)字工程. 2019,47(08)

【文章頁數(shù)】：6 頁

【部分圖文】：

在不同危險度的障礙物周圍的路徑搜索結(jié)果（a）危險度為2的障礙物（b）危險度為7的障礙物

化，可以得到一個較優(yōu)路徑。4仿真實驗結(jié)果分析基礎RRT算法和本文的改進RRT方法的仿真實驗結(jié)果圖分別如圖4（a）、（b）所示。地圖大小為1024*768，將該地圖映射到柵格地圖中，柵格地圖的大小為60*50。起點用實心圓的點表示，終點用空心圓的點表示，灰色的線體現(xiàn)了路徑的搜索過程，黑色的線條即為算法最終搜索到的一條路徑。在基于勢場引導的改進RRT結(jié)果圖中，虛線是去除重復環(huán)之后的優(yōu)化路徑，黑色的線是剪枝優(yōu)化后的最終路徑。（a）RRT算法結(jié)果圖（b）RRT算法結(jié)果圖圖4RRT算法和本文改進算法的實驗結(jié)果圖在該地圖上對兩種算法分別進行了100次仿真實驗，實驗結(jié)果如表1所示。表1RRT和本文改進算法的仿真結(jié)果RRT本文方法平均搜索時間（ms）434156平均路徑長度1344985通過表1中數(shù)據(jù)可以看出，改進方法的效率更高，且通過對規(guī)劃路徑的優(yōu)化，使得規(guī)劃路徑較短。由于改進方法中有人工勢場的啟發(fā)信息，降低了RRT算法中隨機性帶來的盲目性，算法運行結(jié)果相對穩(wěn)定。改進算法中的多安全度模型主要體現(xiàn)在障礙物危險度上，障礙物的危險度越高，算法在附近嘗試擴展節(jié)點的概率越低。圖4中的（a）為障礙物危險度為2的局部地圖，（b）為障礙物危險度為7的局部地圖，可以看出算法在圖（b）中障礙物周圍嘗試擴展的次數(shù)遠小于圖（a）。1944朱旻華等：基于多安全度模型的改進RRT路徑規(guī)劃方法

【參考文獻】：
期刊論文
[1]機場凈空障礙物危險度的白化權(quán)聚類評價[J]. 史躍亞,張俊然.  航空計算技術(shù). 2015(02)
[2]非完整約束下的機器人運動規(guī)劃算法[J]. 徐娜,陳雄,孔慶生,韓建達.  機器人. 2011(06)
[3]基于可視圖的移動機器人路徑規(guī)劃[J]. 許斯軍,曹奇英.  計算機應用與軟件. 2011(03)
[4]移動機器人路徑規(guī)劃技術(shù)綜述[J]. 朱大奇,顏明重.  控制與決策. 2010(07)
[5]基于A*算法的空間機械臂避障路徑規(guī)劃[J]. 賈慶軒,陳鋼,孫漢旭,鄭雙奇.  機械工程學報. 2010(13)
[6]基于新人工勢場函數(shù)的機器人動態(tài)避障規(guī)劃[J]. 樊曉平,李雙艷,陳特放.  控制理論與應用. 2005(05)
[7]復雜環(huán)境中基于人工勢場優(yōu)化算法的最優(yōu)路徑規(guī)劃[J]. 莊曉東,孟慶春,高云,楊少軍,張繼軍,齊勇.  機器人. 2003(06)
[8]基于混沌變量的模擬退火優(yōu)化方法[J]. 王子才,張彤,王宏偉.  控制與決策. 1999(04)



本文編號：3113202