基于目标偏置和障碍物因子的RRT机械臂避障规划方法技术

本发明专利技术涉及一种基于目标偏置和障碍物因子的RRT机械臂避障规划方法，属于机械臂技术领域。在传统RRT上引入目标偏置概率和障碍物因子，能够有效的改善RRT扩展无方向性，搜索随机性，并且可以有效减少无效的采样点，同时在目标节点方向采用婪式扩展策略，增加随机树局部方向上的生长速度。然后设置阈值，删除冗余节点，提高其效率。最后对生成的路径采用三次B样条进行平滑处理。样条进行平滑处理。样条进行平滑处理。

【技术实现步骤摘要】
基于目标偏置和障碍物因子的RRT机械臂避障规划方法


[0001]本专利技术属于机械臂
，涉及基于目标偏置和障碍物因子的RRT机械臂避障规划方法。

技术介绍

[0002]机械臂的运动规划是机器人控制中不可或缺的部分，如何使机械臂快速、高效的找到一条从起点到目标点的没有障碍的路径是非常重要的。目前，机械臂路径规划算法主要分为基于搜索的路径规划算法和基于采样的路径规划算法，基于搜索的路径规划方法主要有A*算法、人工势场法、遗传算法、等等；对于这些算法通常都存在着收敛速度较慢、效率低下等缺陷。对于最常用的基于采样的路径规划方法RRT，这个方法不需要对构型空间障碍物进行描述，能够普遍的用于比较复杂的高维空间。所以，今年来，许多的研究者对于该算法存在的一些问题提出了不同的方法进行改进。Lavalle教授提出的RRT算法已经在路径规划领域被广泛应用，但是RRT算法本身也有一些缺点，比如扩展无方向性，搜索的随机性很强进而导致规划出来的路径比较冗长并且需要用大量的时间，另一方面该算法规划的路径质量不是很高，这样就会导致规划出来的路径偏离最短路径较大。因此针对传统RRT算法存在的缺点进行改进是非常有必要。

技术实现思路

[0003]有鉴于此，本专利技术的目的在于提供一种基于目标偏置和障碍物因子的RRT机械臂避障规划方法。首先引入障碍物因子，减少采样次数，引入目标偏置概率P，通过目标偏置策略在采样过程中引导算法以一定概率向目标点快速拓展实现尽快抵达目标点的任务以减少无用区域搜索,在目标节点方向上采用贪婪式扩展策略，增加随机树局部方向上的生长速度,对于在扩展过程中会出现节点冗余的问题，设置一个阈值，新节点相当于阈值内的一个点，这样可以删除无用的节点，减少后续的增长，在生长的过程中进行修剪可以大大提高规划质量，最后对产生的路径采用抛物线过渡来进行平滑处理，因为经过规划出来的路径有些转折处加速度出现突变，会让机械臂出现抖动或者对机械臂本身产生损坏，最终改进的RRT算法能够实现对传统RRT存在的一些问题进行提升。
[0004]为达到上述目的，本专利技术提供如下技术方案：
[0005]基于目标偏置和障碍物因子的RRT机械臂避障规划方法，该方法包括以下步骤：
[0006]S1：引入障碍物因子；设在位姿空间中C中，输入起始位置Q
int
，输入目标位置为Q
goal
；
[0007]S2：在随机树的生长过程中，引入概率目标偏置优化RRT算法；
[0008]S3：在目标节点方向上采用贪婪式扩展策略，增加随机树局部方向上的生长速度；
[0009]S4：设置阈值，删除冗余节点；
[0010]S5：对路径进行平滑处理。
[0011]可选的，所述S1具体为：对随机抽样点生成后进行抽样点为中心，间隔45
°
，平均分
为8个方向，在这8个方向内判断是否满足生长条件；如果不是，则丢弃采样点并重新开始抽样；选择障碍因子作为评价要求；障碍因子为被检测的随机采样点与障碍物距离的倒数；越靠近障碍物，障碍因子越高；如果一个方向上的障碍因子超过设定的阈值，就会存在障碍；反之，则处于安全水平；
[0012][0013]可选的，所述S2具体为：在随机树生长过程中，取P作为偏置概率使Q
rand
等于Q
goal
，用(1
‑
p)概率随机生成Q
rand
；将随机搜索更改为与P相关的目标使随机树以P的概率增长到目标节点，同时以(1
‑
P)的概率随机采样避开障碍物；P的值决定了搜索过程与搜索结果，当障碍物密集时，P应越小，不然P的取值就相对较大。
[0014]可选的，所述S4具体为：如果节点扩展到狭小空间的一小段，则Q1为父节点，父节点扩展多个新节点Q2、Q3、Q4
…
，这些新节点有一个相对较近的欧几里得距离,和每一个新节点与新的父节点的链接之间的角度是相对较小，那么这些新节点计划的价值相当于一个新节点,这是一个冗余节点；设置一个阈值，新节点是这个阈值内的一个点，删除无用的点，减少后续的增长。
[0015]可选的，所述S5具体为：
[0016]采用的B样条曲线为插值拟合，插值拟合就是过特征点；
[0017]B样条曲线的定义：
[0018]给定m+n+1个空间顶点,p
i
＝(i＝0,1,
…
,m+n),称为n次参数曲线段：
[0019][0020]上面的公式为第k段n次B样条曲线段k＝0,1,
…
,m；这些曲线段的所有称为n次B样条曲线，B样条曲线的特征多边形由其顶点p
i
＝(i＝0,1,
…
,m+n)所组成；其中G
i,n
(t)定义为：
[0021][0022]取n＝3，三次B样条曲线的基函数如下：
[0023][0024]三次B样条曲线段P
0,3
(t)为：
[0025][0026]本专利技术的有益效果在于：首先引入引入障碍物因子，对随机生成的采样点判断使否满足可以生长的条件，对于不满足生长条件的采样点进行舍弃重新采样。这样可以把存在的没有作用的采样点进行舍弃，提高采样速度。然后引入目标偏置概率P,引入目标偏置概率P，通过目标偏置策略在采样过程中引导算法以一定概率向目标点快速拓展实现尽快抵达目标点的任务以减少无用区域搜索，虽然经过改进后，算法还是会产生冗余节点，针对此我们设置一个阈值来删除冗余节点，这样可以减少后续的增长，在生长的过程中大大提高规划质量。最后对生成的路径进行平滑处理。
[0027]本专利技术的其他优点、目标和特征在某种程度上将在随后的说明书中进行阐述，并且在某种程度上，基于对下文的考察研究对本领域技术人员而言将是显而易见的，或者可以从本专利技术的实践中得到教导。本专利技术的目标和其他优点可以通过下面的说明书来实现和获得。
附图说明
[0028]为了使本专利技术的目的、技术方案和优点更加清楚，下面将结合附图对本专利技术作优选的详细描述，其中：
[0029]图1为本专利技术流程图；
[0030]图2为改进后的算法在平面环境的应用示意图；
[0031]图3为最终优化后的图片。
具体实施方式
[0032]以下通过特定的具体实例说明本专利技术的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本专利技术的其他优点与功效。本专利技术还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本专利技术的精神下进行各种修饰或改变。需要说明的是，以下实施例中所提供的图示仅以示意方式说明本专利技术的基本构想，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。
[0033]其中，附图仅用于示例性说明，表示的仅是示意图，而非实物图，不能理解为对本专利技术的限制；为了更好地说明本专利技术的实施例，附图某些部件会有省略、本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于目标偏置和障碍物因子的RRT机械臂避障规划方法，其特征在于：该方法包括以下步骤：S1：引入障碍物因子；设在位姿空间中C中，输入起始位置Q
int
，输入目标位置为Q
goal
；S2：在随机树的生长过程中，引入概率目标偏置优化RRT算法；S3：在目标节点方向上采用贪婪式扩展策略，增加随机树局部方向上的生长速度；S4：设置阈值，删除冗余节点；S5：对路径进行平滑处理。2.根据权利要求1所述的基于目标偏置和障碍物因子的RRT机械臂避障规划方法，其特征在于：所述S1具体为：对随机抽样点生成后进行抽样点为中心，间隔45
°
，平均分为8个方向，在这8个方向内判断是否满足生长条件；如果不是，则丢弃采样点并重新开始抽样；选择障碍因子作为评价要求；障碍因子为被检测的随机采样点与障碍物距离的倒数；越靠近障碍物，障碍因子越高；如果一个方向上的障碍因子超过设定的阈值，就会存在障碍；反之，则处于安全水平；其中，S为障碍物因子，Q
rand
为产生的随机点，obstacle为障碍物，distance(Q
rand
,obstacle)为产生的随机点与障碍物之间的距离。3.根据权利要求2所述的基于目标偏置和障碍物因子的RRT机械臂避障规划方法，其特征在于：所述S2具体为：在随机树生长过程中，取P作为偏置概率使Q
rand
等于Q
goal
，用(1
‑
p)概率随机生成Q
rand
；将随机搜索更改为与P相关的目标使随机树以P的概率增长到目标节点，同时以(1
‑
P)的概率随机采样避开障碍物；P的值决定了搜索过程与搜索结果，当障碍物密集时，P应越小，不然P的取值就相对较大。4.根据权利要求3所述的基于目标偏置和障碍物因子的RRT机...

【专利技术属性】
技术研发人员：蒋畅江，邹术杰，
申请(专利权)人：重庆邮电大学，
类型：发明
国别省市：