本发明涉及路径规划技术,具体涉及一种基rrt-connect算法的机械臂路径规划方法。
背景技术:
1、路径规划技术于20世纪70年代被提出,前前后后已经有各种算法被提出且应用到路径规划中。路径规划负责在笛卡尔空间中得到一系列路径点,而不考虑这些路径点与时间的关系,也就是速度、加速度等。
2、目前常用的路径规划算法主要包括三类,基于搜索的路径规划:dijkstra算法、a*算法、人工势场法等;基于采样的路径规划:prm算法和rrt算法;智能仿生路径规划:遗产算法、神经网络算法、蚁群算法等。
3、dijkstra算法的基本思想是贪心思想,主要特点是以起始点为中心向外层层扩展,直到扩展到目标点为止,显然dijkstra算法的缺点是扩展的节点太多,效率较为低下;a*算法是将dijkstra算法与广度优先搜索算法(bfs)二者结合而成,但不适合复杂的动态环境中搜索;人工势场法是一种基于虚拟力场的局部路径规划算法,但其存在最大的问题是容易陷入局部最优。总而言之,基于搜索的算法是将图像划分为一定数量的网格,在网格中搜索寻找路径,其复杂度较高,不太适合三维空间内机械臂路径规划。
4、智能仿生路径规划算法运算量较大、规划时间长、占用内存大,不适合机械臂的高自由度路径规划。采样算法prm算法中,采样点的数量和采样的最大距离决定了路径规划的成功与否,当采样点数量较少时,可能导致路径规划失败,当采样点增加时,又会降低搜索效率,不适合机械臂的路径规划。于是,rrt及各种变种算法被广泛运用在机械臂上。
技术实现思路
1、本发明目的在于提供一种基rrt-connect算法的机械臂路径规划方法,解决了传统采样算法采样节点具有很大盲目性的问题,减少了迭代次数,缩短了搜索路径。
2、实现本发明的技术解决方案为:一种基rrt-connect算法的机械臂路径规划方法,包括以下步骤:
3、步骤1:在起始点和目标点所构成的自由空间内,随机生成一个中间点,分别在起点和目标点、中间点和目标点之间同时进行rrt-connect路径搜索;
4、步骤2:动态调整采样区域的方向,以一定的概率直接把目标点作为采样节点;
5、步骤3:动态调整采样步长,加入约束因子,同时在节点扩展中加入贪心策略;
6、步骤4:搜索完成后,利用路径优化方法,去除随机树中产生的冗余节点;
7、步骤5:在优化后的路径基础上,使用基于最小二乘法的b样条曲线进行平滑处理。
8、与现有技术相比,本发明的显著创新点为:
9、(1)本发明的技术方案约束产生的采样节点,使得产生的节点具有目的性,能更快收敛到目标点;
10、(2)本发明的技术方案创新性的加入各种策略,包括动态节点策略、动态步长策略、贪心策略等,提高了随机树扩展的效率;
11、(3)本发明的技术方案加入路径优化方法,去除搜索路径中的冗余节点;
12、(4)本发明的技术方案对路径进行平滑处理,采用基于最小二乘法的b样条曲线得到一条平滑的无碰撞曲线;
13、下面结合附图与具体实施方式进行进一步的说明。
1.一种基rrt-connect算法的机械臂路径规划方法,其特征在于,包括以下步骤:
2.根据权利要求1所述基于约束rrt-connect算法的机械臂路径规划的方法,其特征在于,所述动态调整采样区域的方向,以一定的概率直接把目标点作为采样节点具体包括步骤:
3.根据权利要求2所述基于约束rrt-connect算法的机械臂路径规划的方法,其特征在于,所述概率为:
4.根据权利要求1所述基于约束rrt-connect算法的机械臂路径规划的方法,其特征在于,所述动态调整采样步长具体为:越靠经目标点且搜索空间开阔的位置,树的步长越小;越远离目标点且障碍物越多的位置,树的步长越长。
5.根据权利要求1所述基于约束rrt-connect算法的机械臂路径规划的方法,其特征在于,所述步长为:
6.根据权利要求5所述基于约束rrt-connect算法的机械臂路径规划的方法,其特征在于,所述贪心策略为:当n1>2*n2时,默认节点处于开阔区域,直接令xrand=xgoal,步长取动态的step_l,不断沿着目标点方向生长,直到遇到障碍物为止。
7.根据权利要求1所述基于约束rrt-connect算法的机械臂路径规划的方法,其特征在于,所述路径搜索完成后,利用路径优化方法,去除随机树中产生的冗余节点具体包括:
8.根据权利要求7所述基于约束rrt-connect算法的机械臂路径规划的方法,其特征在于,对于步骤4-1中线段si-3si-2和线段si-1si相交的条件满足:
9.根据权利要求7所述基于约束rrt-connect算法的机械臂路径规划的方法,其特征在于,所述步骤4-2具体为:
10.根据权利要求1所述基于约束rrt-connect算法的机械臂路径规划的方法,所述拟合曲线为: