[发明专利]基于目标偏向寻优的启发式RRT机械臂运动规划方法

说明书

本发明属于三维空间中机器人路径规划以及生成技术领域，尤其涉及一种基于目标偏向寻优的启发式RRT机械臂运动规划方法。包括如下步骤：确定起始点q_start,将q_start存储到q_nodes中；在空间中全地图随机采样点q_rand，寻找q_nodes到达q_rand中最近的一个点作为q_near；在q_near到q_rand的方向上以步长δ前进，利用目标偏向因子控制随机点产生方向以及距离前进至节点q_new，在前进过程中进行碰撞检测，如果检测到碰撞，则返回A2；如果没有检测到碰撞，则将q_new存储到q_nodes中并转至A4；根据更新后的q_nodes，重复A2～A3，直至得到最新的节点q_goal满足|q_new‑q_goal|Error，视为迅即到目标点，将q_new存入到q_nodes中；在q_nodes根据各节点的父子关系，反向搜索找到规划路径。本发明能够减少搜索路径的长度，避免陷入局部最优值或在障碍附近震荡的现象。

技术领域

本发明属于三维空间中机器人路径规划以及生成技术领域，尤其涉及一种基于目标偏向寻优的启发式RRT机械臂运动规划方法。

背景技术

运动规划可以分为路径规划和轨迹规划。路径规划关注于生成的路径，而轨迹规划是赋予路径时间信息，对于机械臂而言，其末端执行器为技术对象，在路径规划中主要技术其路径点寻迹问题，而在轨迹规划中根据作业任务要求，实现运动学反解(位姿反解，速度、加速度反解)的实际应用，所以一个系统的运动规划对于解决实际问题有重要意义。

RRT算法是一种基于随机采样的快速路径规划算法，能够有效地搜索高维空间，同时能有效避免三维建模的难度而被广泛采用。由于RRT算法搜索具有随机性和盲目性，国内外学者针对不同的技术对象和性能要求，提出了许多基于RRT的改进算法。其中，LaValle引入了基于概率的采样，提高了基本RRT算法的搜索效率，但是同时也容易陷入局部最小。Karaman提出了路径最优的RRT算法，规划路径稳定性高而且接近最优，但是耗费大量的时间。上述技术不能完全避免局部最优或在障碍附近震荡的现象，对机械臂而言算法可靠性不强。同时将运动规划分开技术，大部分算法停留在二维空间，对于在三维空间中实际应用的可行性无法保证。

发明内容

本发明创造的目的在于，提供一种结合结合启发式概率，以目标偏向因子进行路径规划，避免陷入局部最优值或在障碍附近震荡的现象，在保证原有路径特征的同时提升轨迹规划的质量与效率的基于目标偏向寻优的启发式RRT机械臂运动规划方法(以下简称为PBG-RRT)。

为实现上述目的，本发明创造采用如下技术方案。

本发明的一种基于目标偏向寻优的启发式RRT机械臂运动规划方法(PBG-RRT)，包括如下步骤：

步骤一、基于目标偏向寻优的RRT路径节点确定的步骤；包括：

A1、确定起始点q_start,将q_start存储到q_nodes中；

A2、在空间中全地图随机采样点q_rand，寻找q_nodes到达q_rand中最近的一个点作为q_near；