融合改进RRT与模型预测路径积分的农业机器人路径规划OA

随着精准农业和智能农机装备的快速发展,农业机器人在果园、温室及大田等非结构化农业环境中的自主导航能力面临严峻挑战。针对农业场景中地形复杂、障碍物密集且动态变化的路径规划难题,提出一种全局改进快速随机探索树算法(RRT*)与局部模型预测路径积分(MPPI)深度融合的智能路径规划方法。在全局层面,改进RRT算法通过构建农业环境特征感知模型量化局部地形复杂程度,引入作物行间方向偏置因子加快路径搜索收敛。同时设计自适应邻域重连机制和样条曲线插值优化策略,显著提升算法搜索效率,生成高质量先验导航路径。在局部层面,MPPI控制器以全局路径为引导,结合自适应前瞻目标点选择策略,在动态搜索域内进行路径节点优化,通过多目标加权评估函数确定最优局部轨迹。进一步引入作物与移动障碍物的动态安全约束,增强实时避障响应能力,实现对人员、动物等移动目标的灵活规避。仿真与田间试验表明,相比传统RRT^(*)—MPPI方法,改进算法在复杂农业动态环境下规划成功率提升5.56%,平均规划耗时降低34.56%,路径总长度减少8.92%。