[发明专利]一种改进RRT的机器人路径规划方法和系统

说明书

本发明公开了一种改进RRT的机器人路径规划方法和系统，通过自适应生成扩展节点，并优化起点到新生成扩展节点的路径，降低了RRT算法在路径规划过程中的时间复杂度；并对生成的随机扩展树进行剪枝处理，去除冗余节点，从而加快收敛速度，得到更优的路径，提高了路径规划的效率。

技术领域

本发明属于机器人路径规划技术领域，具体涉及一种能够避障的机器人路径规划方法和系统。

背景技术

路径规划是指在包含障碍物的给定区域内搜索到一条从起点到终点的安全无碰撞、可行的路径。基于随机点采样的快速探索随机树(rapidlyexploring random tree，RRT)是目前广泛应用于机器人路径规划的一种算法。RRT算法以一个初始点作为根结点，通过随机采样增加叶子结点的方式，生成一个随机扩展树，当随机树中的叶子结点包含了目标结点或进入了目标区域，便可以在随机树中找到一条由初始点到目标点的路径，该方法的特点是能够快速有效地搜索高维空间，通过状态空间的随机采样点，把搜索导向空白区域，从而寻找到一条从起始点到目标点的规划路径。

但也存在一些明显的缺点：对环境信息不敏感，当可行区域狭窄且复杂，或者存在大量不规则障碍物时，RRT算法收敛到最优解的效率会大打折扣，甚至探索失败。

发明内容

发明目的：本发明提供一种改进RRT的机器人路径规划方法和系统，能够解决采用RRT算法进行路径规划时存在的收敛速度慢、易陷入局部最优解的问题，提高路径规划的效率。

技术方案：本发明一方面公开了一种改进RRT的机器人路径规划方法，包括：

S1、将机器人活动的二维场景分为可通行区域和不可通行的障碍物，建立二维栅格图；获取机器人在二维场景中的起始位置Q_start和目的位置Q_goal；

如果从Q_start到Q_goal的直线路径没有碰触障碍物，则规划路径为从Q_start到Q_goal的直线段；否则，将Q_start作为RRT算法中随机扩展树的根节点，初始化目标方向权重k＝1，根据步骤S2-S7确定规划路径；

S2、在机器人运动区域生成随机位置点Q_rand；如果Q_start与Q_rand的连线穿过障碍物，则丢弃该Q_rand，并再次生成新的Q_rand，直至Q_start与Q_rand的连线没有穿过障碍物；

S3、遍历当前随机扩展树，查找与Q_rand距离最近的点Q_near；

S4、计算Q_near到障碍物的最小距离D_ob，计算斥力因子h：ρ为机器人运动步长；

计算Q_rand对Q_near的引力Q_goal对Q_near的引力障碍物对Q_near的斥力计算Q_near处受到的合力

其中

w为引力权重，是预设的(0,1]范围内的常数；Q_ob为距离Q_near最近的障碍物位置；||为计算二维环境栅格图中两个位置点的距离；

以Q_near为父节点，根据合力生成新节点Q_new：