本技术介绍了一种采用优化RRT算法的机械臂路径规划技术。该技术首先通过合向量形式生成节点,以加速路径搜索;其次,动态步长调整有效解决了复杂障碍物环境中路径寻找难题,并通过防止随机树逆生长减少了计算量。此外,利用三角剪枝策略优化初始路径,降低路径成本,并应用三次B样条曲线平滑处理,减少机械臂抖动和磨损。改进后的RRT算法不仅缩短了路径长度,还提升了路径质量,提高了规划效率,避免了无效采样。
背景技术
路径规划技术于20世纪70年代被提出,至今仍是机器人领域的重要研究方向之一。经过50多年的快速发展,许多理论算法被相继提出,用于解决路径规划问题。
机械臂的避障规划目标是规划出一条满足各类指标的最优路径,针对这一问题,路径规划算法大致可以被归纳为以下几种:基于图论路径规划算法、人工势场法、基于生物启发路径规划算法、基于离散采样路径规划算法。其中,基于图论路径规划算法的复杂度依赖于网格分辨率,将其应用于三维空间时,计算复杂度高且耗时,不太适用于机械臂的工作环境。人工势场法寻找路径时经常陷入局部最小值,因此不能保证一定找到解。基于生物启发路径规划算法需要通过大量的训练获取算法参数,运算量大,耗时久、需要占用较大的内存空间。基于离散采样算法,参数少,结构简单,算法的复杂度不依赖于地图的复杂度,并且具备概率完备性。因此,离散采样算法比较适合应用于高维环境的路径规划。
而RRT路径规划算法作为离散采样算法的一种,不仅搜索能力强,且不需要对环境进行建模,易与其它算法结合解决高纬空间、复杂约束环境下的路径规划,不足之处在于算法的后期节点利用率偏低,计算量偏大,生成的路径不稳定。
现有技术优化后的RRT算法,例如专利CN 114115239 A虽加快了算法的搜索速度,但生成的路径具有较多的转折点,不满足机器人的运动学规律;专利CN 110497403 A采用双向RRT策略,没有考虑到路径平滑问题。纵观现有技术的优化后的RRT算法,只是单一地提升了某项性能,例如减少了规划时间、缩短了路径代价,并没有考虑到路径代价与规划时间两者之间的平衡;其次,规划出的路径常伴有较多的转折点,没有考虑到转折点处的路径点会对机械臂造成物理上的冲击,这种状况的出现将会加剧机械臂的磨损。
实现思路