[发明专利]一种基于改进RRT算法的智能农业车辆路径规划方法

说明书

本发明提出本发明涉及路径规划领域，尤其涉及一种基于改进RRT算法的智能农业车辆路径规划方法。原始的RRT算法能够解决路径规划问题，但当需要规划的空间场景较大时，则存在一定的时效性及搜索效率的问题。智能农业车辆的作业范围往往较大，需要更加快速的生成规划路径，以提升作业效率。本发明对RRT算法进行改进，同时生成四棵随机树进行路径生成并基于滚动优化的方法进行动态避障，更加适用于大空间场景下的智能农业车辆路径规划，可有效提高其路径规划效率，应用前景广阔。

技术领域

本发明涉及路径规划技术领域，具体涉及一种改进RRT算法的智能农业车辆路径规划方法。

背景技术

智能农业车辆路径规划所设涉及的技术领域大多从机器人领域经过适当的改进演变而来，是一项综合性较强的交叉技术领域，因其强大的技术应用前景获得研发人员的广泛关注。常用的路径规划方法有A*、智能仿生算法、快速搜索随机树(Rapidly Random-exploring Trees,RRT)以及各自的变形优化算法，其中RRT作为一种迭代的增量式搜索算法，因其概率完整性以及适用于高维空间的特性，获得相关行业人员的广泛研究与优化。

原始的RRT算法在一定情况下存在搜索效率低、生成路径非最优的不足，对于现存问题的解决与统筹优化可以不断完善RRT算法的应用效果。其中，基于一定概率引导搜索的P-RRT算法、双向搜索算法B-RRT以及智能采样的双向搜索算法IB-RRT、变概率、变步长的RRT搜索算法等等，均在一定程度上优化RRT的搜索生成路径，但对于大面积的搜索领域，存在搜索效率的时效性问题，其应用受到一定的限制。

发明内容

针对现有技术的不足，本发明涉及一种以四颗搜索树同时进行搜索的RRT算法，提高大面积搜索效率的同时进一步平滑所生成路径，使得生成路径满足车辆的行驶要求。

本发明提出以生成四颗搜索树同时进行搜索的路径规划方法，并结合车辆自身转向约束以及目标方向指引的搜索策略进行路径规划。在已知所需规划的环境范围、障碍物位置并给定起始点q_start、目标点q_goal的前提下，计算出两点距离之间的中点q_m。

以(x_s，y_s)表示起始点q_start的位置，(x_g，y_g)表示目标点q_goal的位置，则中点q_m的位置表示为

采用函数detect(q)判断中点q_m所处位置是否为自由区域Z_free，具体为运用感知设备，若为障碍物区域，则输出为1，不采用此中点；若是自由区域，则输出为0，采用此中点；若是自由区域则采用此中点；

若不是自由区域，则以调整步长d的方式迭代搜寻属于自由区域的中点并且设定迭代次数k，并且判断当前迭代次数k_d≤k，此时中点直到确定中点q_m。

当中点q_m设定后，分别以中点q_m表示起始点q_start的暂定目标点和目标点q_goal的暂定起始点。

考虑执行车辆的转向约束|δ|＜δ_max纳入到搜索策略当中。

将基于目标偏向的引导策略纳入到搜索策略当中，即以一定的概率P进行目标偏向搜索，然后以滚动优化的方法进行路径规划时的实时动态避障：