基于改进RRT^(*)算法的采摘机械臂路径规划方法研究OA

为了解决在复杂环境下使用RRT^(*)算法存在的节点随机性强、收敛速度慢、搜索效率低和路径质量差的问题,提出了一种改进RRT^(*)的机械臂路径规划方法。首先,采样策略上结合全局均匀采样与目标导向的自适应高斯分层采样,减少冗余采样,提高了搜索效率和路径收敛性;然后,在节点扩展方面,引入改进的人工势场引导机制,并将斥力方向设计为与斥力势场负梯度方向垂直,以克服局部最优和目标不可行的问题;最后,通过基于碰撞检测的冗余点剔除和三次B样条曲线进行路径优化,提高了机械臂的稳定性和连续性。仿真试验结果表明:在二维环境中,与RRT^(*)算法相比,改进算法运行时间减少70.3%、迭代次数减少75.4%、总采样点数减少60.7%、路径长度减少6.9%;在三维环境中,与RRT^(*)算法相比,改进算法运行时间减少58.8%、迭代次数减少63.5%、总的采样点数减少58.1%、路径长度减少13.8%,且路径质量较高;在ROS平台中,改进RRT^(*)算法的采摘路径规划成功率达91%,比RRT^(*)算法高23%,且路径长度减少了12%。真机试验结果进一步验证了改进RRT^(*)算法在真实环境中的可行性和适用性。