【技术实现步骤摘要】
本专利技术涉及运动控制规划领域，尤其涉及基于随机采样的路径规划方法，具体涉及一种提高三维rrt*路径规划效果的方法及控制系统。
技术介绍
1、在移动机器人的架构中，路径规划模块是主要的决策控制部分。路径规划性能的好坏直接决定了机器人选择的行驶路径质量和移动的流畅程度。因此，解决路径规划算法中的挑战，即如何在各种情境下快速、无碰撞、精确地规划出路径，并赋予它们应对环境动态变化的能力，成为了路径规划算法的关键任务。
2、rrt最早由美国爱荷华州立大学的steven m. lavalle教授于1998年提出，是一种基于随机生长树思想的算法，旨在实现对非凸高维空间的快速搜索。该算法适用于处理具有障碍和差分运动约束的场景，其主要优势在于无需对具体环境进行建模，能够高效覆盖搜索空间并快速探索未知区域。然而，rrt也存在着计算代价较高且依赖随机性的缺点，因此研究者们提出了多种改进形式以解决这些问题。
3、在基于概率采样的rrt运动规划中，随着采样点趋向于无穷，其收敛到最优解的概率为0，为此在2011年karaman等学者提出具有渐近最优性的rrt*算法。该算法在原有rrt*算法基础上，改进了父节点选择的方式，采用代价函数来选取扩展节点邻域内最小代价的节点为父节点，保证经过此父节点，该节点到出发节点的代价之和最小；同时每次迭代后都会重新连接现有树上的节点，从而保证渐进最优解。
4、近年来，先后有学者对以rrt*为基础的算法进行优化。2013年m.jordan 和a.perez 提出了bi-rrt*，通过双向扩
5、基于rrt*的路径规划算法已经取得了显著的发展，成为机器人路径规划和自动驾驶等领域的重要技术之一，但在计算效率、路径优化和实时性等方面仍面临一些挑战，未来有望通过更高效的计算方法和与改进技术方案进一步拓展应用场景。
技术实现思路
1、为解决传统rrt*算法在三维空间下存在搜索效率低、对复杂环境适应性差，导致路径规划效率差的问题，本专利技术提供了一种提高三维rrt*路径规划效果的方法及控制系统，减少扩展路径点的数量，并减少寻找路径所需的迭代次数和相关计算量，提高各种环境下的路径规划效率。
2、为达到上述目的，本专利技术提出的具体技术方案为：一种提高三维rrt*路径规划效果的方法，包括以下步骤：
3、s1采集环境数据，并初始化迭代次数与路径点集合；
4、s2根据环境数据动态调整偏向采样概率，生成采样节点，进行碰撞检测；
5、s3优化人工势场法模型，将rrt*算法与势场法相结合，计算采样节点所受斥力与引力；
6、s4对随机采样与势场法步长进行动态调整，在随机采样与势场法叠加作用下生成路径节点；
7、s5对当前路径节点进行重新选择父节点和重布线操作，经碰撞检测生成路径节点；
8、s6通过节点回溯，得到完整路径，并通过贪心算法迭代优化已有路径。
9、具体的，所述步骤s1中，环境数据包括障碍物疏密程度，所述路径点集合包括设置起点、终点，并根据rrt*算法创建一个路径，从起点开始，往终点方向生长。
10、进一步的，所述步骤s2中，障碍物疏密程度由当前环境障碍物影响度ε表示，表达式为：
11、；
12、其中：fr为障碍物影响范围内节点所受障碍物的斥力，fg为节点所受终点的引力；
13、所述偏向采样概率bsp表达式为：
14、；
15、其中：为一种基于第一欧拉积分的概率函数，的取值元素需位于区间[0,1]中；为贝塔函数，z和w为分布参数且均为非负实数；
16、偏向采样方案为：
17、；
18、其中：为采样点，为终点，randomsampling为在全局环境的空间内随机采样，rand( )函数可以随机生成一个[0,1]的数字。
19、进一步的，所述采样方案具体步骤：
20、s201搜索空间由目标概率偏置值确定采样点，若随机取值小于设置的bsp值，则在全局环境的空间内随机采样；反之，则将终点作为采样点；
21、s202对步骤s201选取的采样点进行判断，如果采样点在障碍物内，则返回步骤s201重新进行采样；若通过碰撞检测，则执行后续的操作。
22、具体的，所述步骤s3中，人工势场模型包括障碍物对节点q所产生的斥力势场、目标点对节点q所产生的引力势场。
23、进一步的，所述障碍物对节点q所产生的斥力势场为：
24、；
25、其中：为点q处斥力势场的大小，k为斥力势场增益系数，为点q到障碍物的欧式距离，为障碍物斥力影响的范围；
26、障碍物对节点q所产生的斥力为：
27、；
28、其中：为点q所受斥力的大小，k为斥力势场增益系数，为点q到障碍物的欧式距离，为障碍物斥力影响的范围；
29、所述目标点对节点q所产生的引力势场为：
30、；
31、其中：为点q处引力势场大小，为引力势场增益系数，为引力阈值，为调节因子，需要根据具体地图尺寸设置；为点q到终点的欧式距离；d为引力影响距离因子；c为引力增益常量，用于调节所受引力下限；
32、所述目标点对节点q所产生的引力为：
33、 ；
34、当引力方向从点q指向终点时，；
35、其中：为q点所受引力大小；d为引力影响距离因子；为引力阈值；为调节因子，需要根据具体地图尺寸设置；c为引力增益量，用于调节所受引力下限。
36、进一步的，所述步骤s4中，随机采样与势场力作用下生长步长公式为：
37、；
38、其中：stepsize为生长步长；为采样点至所有障碍物最小距离的平均值；为距离阈值；为最大步长，一般取决于起点至终点的欧氏距离；k为精度系数，k值越大时,stepsize越小，树节点生长成功率越高，路径越精细，但迭代次数与路径点个数增加；β1、β2分别为随机采样与势场法所对应的步长系数，可以根据随机采样或势场法的效果来改变权值；如果在障碍物影响范围内出现动态障碍物，则，，由人工势场法单独进行局部路径规划操作；为采样点指向近邻节点的矢量，为采样点到近邻节点的距离，为当前采样点所受斥力与引力的合力。...
【技术保护点】
1.一种提高三维RRT*路径规划效果的方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的提高三维RRT*路径规划效果的方法，其特征在于，所述步骤S1中，环境数据包括障碍物疏密程度，所述路径点集合包括设置起点、终点，并根据RRT*算法创建一个路径，从起点开始，往终点方向生长。
3.根据权利要求1所述的提高三维RRT*路径规划效果的方法，其特征在于，所述步骤S2中，障碍物疏密程度由当前环境障碍物影响度ε表示，表达式为：
4.根据权利要求3所述的提高三维RRT*路径规划效果的方法，其特征在于，所述采样方案具体步骤：
5.根据权利要求4所述的提高三维RRT*路径规划效果的方法，其特征在于，所述步骤S3中，人工势场模型包括障碍物对节点q所产生的斥力势场、目标点对节点q所产生的引力势场；
6.根据权利要求5所述的提高三维RRT*路径规划效果的方法，其特征在于，所述步骤S4中，随机采样与势场力作用下生长步长公式为：
7.根据权利要求6所述的提高三维RRT*路径规划效果的方法，其特征在于，所述步骤S4中，路径点生长过
8.根据权利要求7所述的提高三维RRT*路径规划效果的方法，其特征在于，所述步骤S5中，重新选择父节点和重布线操作的生成路径节点过程为：
9.根据权利要求1所述的提高三维RRT*路径规划效果的方法，其特征在于，所述步骤S6中，得到完整路径，并贪心算法优化迭代过程具体为：
10.一种提高三维RRT*路径规划效果的控制系统，用于运行权利要求1至9任一项所述的提高三维RRT*路径规划效果的方法，其特征在于，包括数据终端、视觉相机、操作平台、控制单元、驱动装置和运动端；
...【技术特征摘要】
1.一种提高三维rrt*路径规划效果的方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的提高三维rrt*路径规划效果的方法，其特征在于，所述步骤s1中，环境数据包括障碍物疏密程度，所述路径点集合包括设置起点、终点，并根据rrt*算法创建一个路径，从起点开始，往终点方向生长。
3.根据权利要求1所述的提高三维rrt*路径规划效果的方法，其特征在于，所述步骤s2中，障碍物疏密程度由当前环境障碍物影响度ε表示，表达式为：
4.根据权利要求3所述的提高三维rrt*路径规划效果的方法，其特征在于，所述采样方案具体步骤：
5.根据权利要求4所述的提高三维rrt*路径规划效果的方法，其特征在于，所述步骤s3中，人工势场模型包括障碍物对节点q所产生的斥力势场、目标点对节点q所产生的引力势场；
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。