针对快速扩展随机树(RRT)算法和目标偏置RRT(GB-RRT)算法存在较多冗余节点、搜索时间较长、路径转角幅度大、不适于移动机器人的实际运行等问题,提出一种双约束RRT(Duple Constraints RRT,DC-RRT)算法.该算法基于目标偏置思想,使用随机函数进行了多次采样,形成概率采样池,通过采样池中的点与规划终点的距离来约束采样点,能有效减少不必要的空间搜索,减少采样点及路径包含的节点个数;考虑移动机器人的前轮转角,提出用包含长度和角度的新节点生成函数来约束新节点,使规划路径转角幅度更小,更符合移动机器人的实际运行.将DC-RRT算法与RRT、GB-RRT算法从路径规划的成功率、有效节点占比、完成时间、转折角度以及路径长度五个方面进行比较,仿真结果表明,在保证规划成功率的同时,DC-RRT算法显著减少了无效搜索,缩短了寻路时间,规划路径更平滑,有效提升了算法的性能.
NETL
NSTL
维普
万方数据
