基于模糊滚动RRT算法的移动机器人路径规划

第34卷第5期2010年10月

南京理工大学学报(自然科学版)

Journa l o f N an ji ng U niversity of Sc i ence and T echno logy (N atura l Sc ience)

Vo.l 34No .5O c.t 2010

收稿日期:2008-07-18 修回日期:2010-01-13

基金项目:国家 863 计划资助项目(2006AA 04Z238);南京理工大学国防科技工业研究生创新基金(2007060007) 作者简介:康亮(1980-),男,博士生,主要研究方向:智能机器人、优化算法、路径规划,E -ma i:l kang liang_0912@

yahoo .com .cn ;通讯作者:赵春霞(1964-),女,教授,博士生导师,主要研究方向:移动机器人、人工智

能、模式识别,E -m ai:l zhao chx@m a i.l n j ust .edu .cn 。

基于模糊滚动RRT 算法的移动机器人路径规划

康 亮,赵春霞,郭剑辉

(南京理工大学计算机科学与技术学院,江苏南京210094)

摘 要:研究了环境未知情况下的移动机器人路径规划问题,将快速扩展随机树(RRT )算法与基于滚动窗口的路径规划相结合,提出一种新的移动机器人路径规划算法,克服了RRT 算法通

常只能在已知环境中进行移动机器人路径规划的限制。规划时只考虑窗口环境地图,提高了RRT 算法规划效率,保证了算法的实时性。针对RRT 算法路径规划缺乏确定性的问题,结合人类经验及模糊控制理论,以概率来随机取点,并引入启发式估价函数,使随机树易于朝目标点方向生长。同时运用回归分析生成新节点,增强了算法搜索未知空间的能力,避免了可能产生的局部极小。最后仿真实验验证了该算法的有效性。

关键词:移动机器人;路径规划;模糊控制;滚动规划;快速扩展随机树中图分类号:TP 24 文章编号:1005-9830(2010)05-0642-07

Pat h P l anning Based on Fuzzy Rolli ng Rapi dly -exploring

Rando m Tree forM obile Robot

KANG L i ang ,Z HAO Chun -x i a ,GUO Jian -hu i

(Schoo l of Co m puter Science and Techno l o gy ,NUST ,N anji n g 210094,China)

A bstract :The m ob ile robo t path plann i n g in an unkno w n env ironm ent is stud ied .The rapidly -ex -ploring rando m tree (RRT)a l g orit h m is co m bined w ith the rolli n g path plann i n g i n the p lann i n g ,and a nove l path plann i n g is proposed .It is perfor m ed on -line i n a rolli n g sty le ,so t h at the RRT a-l gorithm can be used in path planning not only when the env ironm ent is kno w n but a lso unkno wn.Only the l o cal env ironm entm ap is calcu lated i n plann i n g so as to i m prove the planning efficiency ,and t h e rea l ti m e is guaranteed .Ow ing to lac k o f certainty i n path p lanning o f RRT,the rando m confi g urati o n usi n g both f u zzy con tro l t h eory and hum an experience is forced to co i n c i d e w ith t h e de -sired area w ith so m e fi n ite probability .The a l g orithm has i n troduced the heur i s tic evaluati o n functi o n so that the explori n g rando m tree w ill gro w i n the d irection of target po i n .t The regressi o n analysis ,wh ich avo i d s loca lm i n i m a ,enhances the capability o f searching an unkno wn space .The m ethod e-f fectiveness is verified by si m u lation results .K ey words :mobil e r obots ;path pl a nni n g ;fuzzy contro;l rolli n g plan ;r apidl y -explori n g ra ndo m tree

总第174期康 亮 赵春霞 郭剑辉 基于模糊滚动RRT算法的移动机器人路径规划

移动机器人技术是近年来发展起来的一门综合学科,它集中了机械、电子、计算机、自动控制以及人工智能等多学科最新研究成果,代表了机电一体化的最高成就[1]。在移动机器人相关技术的研究中,导航技术是其核心,而路径规划是导航研究的一个重要环节和课题。所谓路径规划是指移动机器人按照某一性能指标(如距离、时间、能量等)搜索一条从起始状态到目标状态的最优或次优路径[2]。

传统的路径规划方法主要有:人工势场法、模糊规则法、遗传算法、人工神经网络、模拟退火算法、蚁群优化算法、粒子群算法等。这些方法在解决一般的路径规划问题时有其优越性,但要应用于非完整性约束规划还存在很多问题。而非完整性规划和运动动力学规划又是机器人学及其应用的重要领域。同时这些方法大都需要在一个确定性空间内对障碍物进行确定的建模和描述,计算复杂度与机器人自由度呈指数关系,不适合解决多自由度机器人在复杂环境中的规划。

快速扩展随机树(RRT)算法[2-4]是近几年发展起来应用比较广泛的基于采样的单查询路径规划方法。基于采样的单查询路径规划方法通过对状态空间的随机采样,把搜索导向空白区域。RRT算法因为避免了对空间的建模,与其他方法相比有独特的优势。该算法具有高效的搜索特性,因而适于解决高维空间多自由度机器人在复杂约束下的运动规划问题,可直接应用到非完整性约束或非完整性动力学约束规划中。

基于随机采样的运动规划方法由于算法的随机性,所以具有概率完备性,在有解的前提下,算法获得可行解有保证。但该算法的固有规划方式限制了它的进一步应用:(1)随机搜索均匀一致在全局空间,使算法无谓耗费代价较大;(2)先全局搜索构建随机树,再一次性规划路径,使算法通常只能应用在已知环境中,实时应用性较差;(3)路径的搜索树由随机采样点生成,使规划出的路径经常不是最优路径。

借鉴文献[5]中的滚动规划思想,本文采用反复的局部路径规划代替一次性的全局路径规划结果,将RRT算法应用于未知环境下移动机器人路径规划。利用滚动规划概念,将随机采样限制在滚动窗口,避免了全局采样,大大减少了规划时间,提高了算法的实时性。利用模糊规则在窗口指定区域采样取点,根据启发式函数生成滚动窗口子目标点,保证了规划路径的最优性。为避免产生局部极小,利用回归分析扩展随机树新节点,增强了算法搜索未知空间的能力。

1 基本的RRT算法

1.1 随机树构建阶段

从初始位姿(状态)点x in it出发构建随机树T。在位姿空间中随机选择一个位姿(状态)点x rand,遍历T,找到T上离x rand最近距离的节点x n ear(如图1所示),然后在控制输入集U里选择输入u

U(如转向角、速度等)作用在x near上,机器人沿着x near到x rand。依照状态转换方程产生满足全局约束的候选路径集合,经历时间 t,到达一个新状态构成x new集合。选择使得x n e w到达x rand距离最近的控制输入u作为最佳控制输入。依次产生新状态,直至到达目标状态,

随机树构建结束。

图1 基本的RRT随机树构建过程

1.2 路径产生阶段

从目标状态点出发,找到父亲节点,依次进行,直至到达起始状态点,即树根。这样就规划出从起始状态点到达目标状态点满足全局和微分约束的路径,以及在每一时刻的控制输入参数。因为在搜索的生成过程中充分考虑了机器人客观存在的微分约束(如非完整约束、动力学约束、运动动力学约束等),因而算法规划出来的轨迹合理性好,但算法的随机性使其只能概率完备。

1.3 现有改进算法

基本RRT算法收敛到终点位姿的速度可能比较慢。为了提高算法的效率和性能,需不断对该算法进行改进。如为了提高搜索效率采用双向随机搜索树(B-i RRT)[6],从起始点和目标点并行生成2棵RRT,直至2棵树相遇,算法收敛。由于该算法比原始RRT算法有更好的收敛性,因此在目前路径规划中很常见。A M N i k[7]提出的粒子RRT算法考虑了地形的不确定性,保证了在不确定性环境下随机搜索树的扩展。J J Kuffner等人又提出RRT-connect算法[8],使得节点的扩展效率大大提

643