移动机器人导航路径规划
|
*，移动机器人是工厂物料运输的解决方案，是提高生产效率，降低生产成本，增强生产稳定性的*。为了满足工业生产需求，一款的移动机器人产品首先需要解决三大问题：
小蓝（杭州蓝芯科技有限公司简称）就是专业解决导航规划问题滴，接下来就和大家好好唠唠怎么实现一次走位。
轨迹计划 世jie上遥远的距离不是生与死，而是明明出口就在眼前，而我却要去远远的兜一圈才能到。移动机器人在面对复(luan)杂(dui)环(luan)境(fang)时，也需要完成走迷宫般的绝望任务。 图 1
为了应付复杂的人类以及胖胖的自己，我们机智的机器人，拥有了自己的轨迹规划方法。那就是把你们变胖，把自己变瘦（美丽）！于是提出了两个重要假设（敲黑板）：
图 2
于是路径规划问题就变成了姿态空间的搜索问题：在自由姿态空间中为机器人寻找一条路径，使其从初始姿态发展到目标姿态。将姿态空间离散化以后，就能进行啦。
快速扩展随机树法（RRT） 快速扩展随机树法可以看作一种树形算法，它从一个起始构型（对于二维图，就是一个点）出发，不断延伸树型数据，终与目标点相连。具体做法就是以一个初始点作为根节点，通过随机采样增加叶子节点的方式，生成一个随机扩展树，当随机树中的叶子节点包含了目标点或进入了目标区域，便可以在随机树中找到一条由从初始点到目标点的路径。
图 3
RRT算法也有一些缺点，它是一种纯粹的随机搜索算法对环境类型不敏感，当C-空间中包含大量障碍物或狭窄通道约束时，算法的收敛速度慢，效率会大幅下降。同时，RRT 的一个弱点是难以在有狭窄通道的环境找到路径。因为狭窄通道面积小，被碰到的概率低。
因此有学者提出了RRTConnect算法，基本的RRT每次搜索都只有从初始状态点生长的快速扩展随机树来搜索整个状态空间，如果从初始状态点和目标状态点同时生长两棵快速扩展随机树来搜索状态空间，效率会更高。
该算法与原始RRT相比，在目标点区域建立第二棵树进行扩展。每一次迭代中，开始步骤与原始的RRT算法一样，都是采样随机点然后进行扩展。然后扩展完棵树的新节点qnew后，以这个新的目标点作为第二棵树扩展的方向。 图 4
|
