信息与控制

作者：何波, 李虓, 徐胜军, 刘光辉

关键词：快速拓展随机树算法, 路径规划, 目标偏置, 采样区域限制, B样条曲线

针对传统RRT (Rapidly-exploring Random Tree)算法在进行机械臂路径规划时存在的采样随机性过大、搜索效率低下、所规划的路径曲折等问题，提出一种基于采样区域限制的改进RRT (Sampling Area Restriction RRT，SAR-RRT)算法。首先，针对随机性过大的问题，通过引入目标偏置策略来增强随机树的目标导向性，并采用球形采样区域以及角度限制策略对算法的采样进行约束，减少算法对无用空间区域的探索。其次，为提升算法的搜索效率，对随机树的节点扩展进行自适应优化，采用多步长扩展，使算法能够充分利用环境与障碍物的信息，同时利用贪婪思想加快随机树的收敛从而缩短路径的生成时间。最后，对初始规划出的路径进行二次优化处理，在去除路径中的冗余点后以三次B样条曲线对路径进行平滑处理，提升所规划路径的质量。实验结果表明，在2维及3维场景下，SAR-RRT算法均可以顺利完成路径规划任务。对比传统RRT算法，改进算法总体上使路径长度降低27.73%，规划时间缩短85.25%，采样点数减少87.19%且所生成的路径更加平滑。

来源：2025年第6期

《信息与控制》期刊编辑部

查看信息与控制杂志2025年第6期