[发明专利]一种基于改进式RRT算法的机械臂自主避障方法

说明书

本发明公开了一种基于改进式RRT算法的机械臂自主避障方法，包括：S1:利用D‑H法对六轴机械臂位姿进行建模；S2：建立基于gazebo的六轴机械臂工作环境，工作环境中随机生成形状不规则障碍物；S3：利用改进式RRT算法完成机械臂的运动规划；S4：最后对所得的路径利用三次Hermite曲线平滑处理。本发明优点是：能够提高采样点的方向性、增加路径的平滑度、减少空间区域的无用搜索、节省搜索时间。

技术领域

本发明涉及机械臂运动规划技术领域，涉及到机械臂避障环节中的运动规划方法，具体为一种基于改进式RRT算法的机械臂自主避障方法。

背景技术

随着我国国民经济的快速发展，对社会物流的需求也在日益增加，然而随着中国适龄劳动力的下降，作为劳动密集型产业的物流行业受到了劳动力成本激增的巨大影响。

作为一款具有搬运功能的机器人，机械臂逐渐被物流企业关注。当机械臂工作环境发生变化时，固定运动轨迹无法帮助机械臂适应环境变化，从而给工业生产埋下了安全隐患。此时需要机械臂根据环境实时规划路径，确保到达目标位姿执行任务，且在运行过程中避开所有动静态障碍物。

目前国内外学者针对二自由度的移动机器人，提出了图搜索(可视图、Dijk stra、A*)、蚁群、人工势场、随机采样(RRT、PRM)等路径规划算法。

但由于机械臂的自主避障涉及高维空间的运动规划，其自由度越高，规划空间(构形空间)维度越高，因此传统路径规划算法存在一定的弊端。图搜索法需要构建完整的工作空间，此方法在高维空间中其计算量随着空间维度呈几何倍数增加；蚁群算法在高维空间中收敛慢，多是局部最优；人工势场法在高维空间中势场不易建立，并且容易陷入局部最优；而快速扩展随机树法，通过对状态空间随机采样，并对采样点进行碰撞检测，从而实现对机械臂的构形空间进行快速搜索，该方法规划速度快，应用广，但存在节点扩展缺乏记忆性、所得路径不能直接被机器人使用、计算量大等问题。

本发明所涉及的缩略词定义

RRT：快速搜索随机树算法(Rapidly-exploring Random Tree，RRT)由Lav alle提出，是一种采用增量方式增长的随机采样算法。

RRT-Connect：RRT-Connect算法基于RRT搜索空间的盲目性，节点拓展环节缺乏记忆性的缺点，为了提高空间内的搜索速。在RRT算法的基础上加上了两棵树双向抖索的引导策略，并且在生长方式的基础上加上了贪婪策略加快了搜索速度，并且减少了空白区域的无用搜索，节省了搜索时间。

RRT-Star：渐进最优快速随机搜索树(RRT-Star)算法在原有的RRT算法上，改进了父节点选择的方式，采用代价函数来选取拓展节点领域内最小代价的节点为父节点，同时，每次迭代后都会重新连接现有树上的节点，从而保证计算的复杂度和渐进最优解。

发明内容

本发明针对现有技术的缺陷，提供了一种基于改进式RRT算法的机械臂自主避障方法，解决了现有技术中存在的缺陷。

为了实现以上发明目的，本发明采取的技术方案如下：

一种基于改进式RRT算法的机械臂自主避障方法，包括以下步骤：

S1:利用D-H法对六轴机械臂位姿进行建模；

S2：建立基于gazebo的六轴机械臂工作环境，工作环境中随机生成形状不规则障碍物；

S3：利用改进式RRT算法完成机械臂的运动规划；

S4：最后对所得的路径利用三次Hermite曲线平滑处理。

进一步地，S3：利用改进式RRT算法完成机械臂的运动规划，具体步骤如下：

S31：确定机械臂工作起点、目标点、障碍物位置。