基于改进Informed-RRT*算法的路径规划研究

摘要

针对Informed-RRT*算法在复杂环境重复规划稳定性差、收敛速度慢的问题,提出改进In-formed-RRT*的路径规划算法(Informed Bi-directional RRT*)提升寻找可行路径的稳定性和效率.该算法引入基于状态子集直接采样的反向扩展策略,当路径规划遇到障碍时快速更新采样区间,在障碍物的边界区域获得接近最优路径成本的可行路径,同时结合基于多树搜索的双向搜索策略加快对状态子集的探索,提高算法的收敛速度.实验表明,与Informed-RRT*算法相比,IBI-RRT*算法稳定性更高,能够减少40%的迭代次数和20% ～30%的搜索时间,并且规划路径接近最优路径,验证了IBI-RRT*算法在复杂环境中路径规划的优势.