论文部分内容阅读
本文提出一种改进的快速扩展随机树(RRT,Rapidly-exploring Random Trees)运动规划算法,用以处理非完整微分约束下的移动机器人运动规划。针对类似目标偏好及bi-RRT等趋向于目标区域扩展的快速RRT 运动规划算法会出现局部极小值的问题,本文将碰撞检测机制与回归检测机制相结合,产生新的RTCT 机制,使得在规划过程中能考虑到全局障碍物信息,并借此避免对已扩展节点的重复扩展以及对边缘节点的重复回归测试和避障检测,帮助加快逃逸局部极小值区域,从而从整体上提高规划实时性。将改进后的RRT 算法在容易产生局部极小值的环境中仿真研究,结果表明改进算法在不显著影响其他性能的前提下,可以明显提高规划的实时性。