基于改进RRT^(*)算法的动态路径规划策略

摘要

为了进一步解决移动机器人在动态环境下的路径规划问题,提出了一种改进的快速扩展随机树^(*)(RRT^(*))算法。首先,引入目标偏置采样以降低RRT^(*)算法的随机性,在静态环境下进行路径初规划。其次,在动态环境下应用该路径,并将初规划的路径作为路径缓存,当路径中出现新障碍物时,将无效路径进行裁剪并进行路径重规划,此时在进行节点采样时,有一定概率选择路径缓存中的点作为新节点,使得新路径更大程度上保持原有路径的趋势。最后,使用MATLAB分别进行初规划、重规划的仿真实验。与传统RRT^(*)算法进行了对比,新的改进算法使用的节点数量平均减少了43.19%。