基于改进RRT_算法的移动机器人动态避障与路径规划.pdf

摘要

摘要

移动机器人路径规划算法（RobotPathPlanning）当今机器人发展的趋势，是实

现机器人灵活自主移动的重要组件之一，快速精准的规划路径显得尤为重要。由于环

境的多变性，许多场景存在分布不规则且密集的障碍物以及移动速度不确定的动态障

碍物，如何在复杂以及动态的环境下使机器人快速找到最优路径且能够安全有效避开

所有的障碍物是目前路径规划的难点与热点问题。路径规划算法包括全局路径规划算

法和局部路径规划算法。常见的全局路径规划算法都能够找到一条起点到终点最优路

径，但是机器人无法躲避动态障碍物，且算法收敛时间较长；常见的局部路径规划算

法使机器人能够躲避动态障碍物，但机器人从起点到终点的移动轨迹并非最优路径，

且动态避障效果一般。针对以上路径规划算法存在的问题，本文通过改进全局路径规

划算法中的快速扩展随机树算法（Rapid-explorationRandomTree*,RRT*）以及改进

DynamicWindowApproachDWA

局部路径规划算法中的动态窗口算法（，），并结合

RRT*算法与DWA算法的优点，形成一种融合算法在规划出一条最优移动轨迹的同

时也能保证动态避障。论文主要内容与创新点如下：

1RRT*

（）针对在复杂环境下，算法会产生大量冗余采样节点进而导致的算法收

敛速度严重减小的问题，提出区域引导、密度约束和目标偏置三种策略来改进RRT*

算法。改进算法大幅度减少了冗余节点产生，同时优化了重选父节点以及重布线两个

阶段的收敛时间，在复杂环境以及一些特殊的回形地图下也能够快速收敛，同时找到

最优路径。

（2）针对DWA算法面对移动速度较快的动态障碍物时预见性较低，即无法提

前探测到障碍物的存在，以致于障碍物在相距机器人很近的位置才开始避障。经过多

次实验表明，由于DWA算法需要计算的数据量较大以及受硬件资源限制，在近距离

下算法很难成功避障，所以预见性较低会导致算法动态避障能力较差。为此，提出一

种不影响算法性能（计算速度）的以直线方式延长预测轨迹的方法来提高DWA算法

的预见性，通过预测轨迹的末端状态来合理的延长预测轨迹，以传递影响到评价函数，

使机器人可以提前探测到障碍物并进行避障动作。对于多个动态障碍物同时存在机器

人周围的情况，通过坐标变换来快速准确的判断当前对机器人移动方向最具威胁的动

态障碍物，避免产生无效或者错误的避障动作。

（3）针对DWA算法作为局部路径规划算法无法找到最优路径的缺陷，采取融

合RRT*算法与DWA算法各自的优点，使机器人在能够动态避障的同时也能最大程

度的沿着趋向于最优路径的方向移动。将RRT*算法得到最优路径作为机器人移动的

参考路线，机器人根据参考路线中的节点链表来合理选择下一时刻的临时目标点，并

I

摘要

不断移动，直到到达目标点。

（4）对以上改进策略在visualstudio2022上进行初步仿真，确定改进策略是可

实现的。然后将改进之后的算法移植上ROS操作系统，利用ROS操作系统扫描周围

环境搭以形成真实世界的地图，在该环境中验证改进算法的有效性。最后通过基于两

轮差速模型的小强XQ-4PRO智能小车实际测试小车在真实环境中的可行性。

关键词：移动机器人路径规划；快速随机有哪些信誉好的足球投注网站树算法；动态窗口算法；融合算法；

ROS操作系统仿真平台

II

Abstract

Abstract

MobilerobotPathPlanningAlgorithm(RobotPathPlanning)Thetrendoftodays

robot