基于改进RRT-Connect算法的机械臂运动规划

摘要

针对双向快速拓展随机树(RRT-Connect)算法在多障碍物复杂环境下算法收敛速度慢、搜索效率低、采样具有随机性等问题,提出一种基于椭球子集采样的RRT-Connect算法,首先在传统的RRT-Connect算法的基础上,结合目标偏执采样策略和椭球子集采样的优势,构造一种新的采样方法,对采样区域进行约束,在此基础上找到从起始点到目标点的最优路径点集合,并将该路径作为初始路径,通过引入基于三角不等式的路径修剪算法,在迭代过程中对路径不断优化,得到一条从起始点到目标点的代价小、无碰撞路径,最后结合五次多项式差值算法进行路径优化,生成一条路径平滑且曲率连续的优化路径,从而使机械臂沿着该最优路径快速、准确、稳定的到达目标点。实验结果表明,对比原始的RRT-Connect算法,平均规划时间效率提高了30.5%、平均采样点减少了76.74%、平均路径长度缩短了13.22%,该算法在规划过程中收敛速度更快、搜索效率更高、路径优化效果更显著。