[发明专利]一种改进RRT算法重连策略的路径规划方法

说明书

本发明公开了一种改进RRT算法重连策略的路径规划方法，包括：加载初始化栅格地图，确定起始点和目标点并初始化随机树；基于目标导向采样策略获取随机采样点；利用目标偏置与障碍物切向偏置策略进行树结点的扩展；在障碍物附近利用二分法创建扩展点的新的父结点，在判定没有发生碰撞下，根据新扩展点更新随机树；针对扩展结点附近一定半径下的超体球内除扩展结点外的其他结点，利用三角不等式约束进行剪枝与重连；判断新扩展点与目标点的距离是否小于第一距离阈值；若是，生成全局路径；若否，返回所述基于预设的目标导向策略随机采样函数生成随机采样点的步骤并继续执行。

技术领域

本发明涉及自主导航技术领域，尤其是使用了RRT路径规划相关算法，本发明涉及一种基于改进RRT算法的剪枝与重连策略的机器人路径规划方法。

背景技术

近年来，自主移动机器人在安全巡检、应急救援、无人运输等领域发挥着重要作用。路径规划作为移动机器人的一个基础研究课题，受到了广泛的关注。在给定周围环境的部分信息的基础上，移动机器人需要在满足某些条件(如距离或平滑度)的两个指定位置之间自主规划最优或次优无碰撞路径。它对无人驾驶自主系统的性能至关重要，如无人驾驶飞行器、无人地面车辆和无人驾驶水下车辆。提高机器人路径规划水平，对提高机器人的智能化水平、加快工程化应用具有重要的意义。

由于路径规划应用的广泛性，随着研究的深入，涌现出了一系列的算法。基于栅格的搜索算法，如Dijkstra算法、theta*算法、A*算法、D*-lite算法等；元启发式算法，如遗传算法(Genetic Algorithm,GA)、粒子群算法(Particle Swarm Algorithm,PSO)、蚁群算法(Ant Colony Algorithm,ACO)等，其受自然界生物群体智能现象的启发，通过模仿社会性动物的行为而提出，这类算法不需要目标函数与约束的连续性，非常适合解决NP问题(Non-deterministic Polynomial Problem，非确定性多项式问题)，对于数据中的不确定性有很强的适应能力，但一方面由于缺乏全局信息，往往容易陷入局部极小值，只能实现近似最优，另一方面，由于此类算法需要不断迭代收敛，使求解效率低下，耗时过长。

于是，基于随机采样的规划算法被提出，如快速探索随机树(Rapidly-exploringRandom Tree，RRT)算法和概率路线图(Probabilistic RoadMaps，PRM)算法，不需要对环境进行精确建模，在复杂环境及高维环境下具有明显的优势。其中，RRT算法可快速得到一条无碰撞路径，RRT因其在实际应用中的效率更高而赢得了研究界的广泛关注。

发明内容

本发明针对上述问题及技术需求，提出了一种改进RRT算法重连策略的路径规划方法，可以适配任意输出的二维地图进行路径规划，适用于服务机器人、无人驾驶玩具车、自主导航无人机，可将方法适配至ROS机器人操作系统中，作为插件。

为了解决现有技术存在的技术问题，本专利的技术方案如下：

本发明的实施根据一个方面，提供了一种改进RRT算法重连策略的路径规划方法，包括如下步骤：

通过ROS系统下SLAM建图算法等方式获取实验场景地图，主要分为简单环境、杂乱环境、狭窄通道环境三大块如图1所示，确定在所述的实验场景地图中的起始点和目标点；

将起始点作为树扩展的根节点，在全局范围内进行随机采样，同时为了保证整体往目标点前进，提出了目标导向采样策略，给予一定的概率将目标点作为采样点；

根据所述的随机采样点，利用目标偏置及障碍物偏置策略进行树的扩展结点的选取；

根据所述的扩展结点，寻找可达的最远父结点；

针对所选可达最远父结点(简称可达结点)，在可达结点与可达结点的父结点之间利用二分法创建距离障碍物较近的结点；