机器人路径规划的快速扩展随机树算法综述

doi:10.3778/j.issn.1002-8331.1905-0061

计算机工程与应用 ›› 2019, Vol. 55 ›› Issue (16): 10-17.DOI: 10.3778/j.issn.1002-8331.1905-0061

机器人路径规划的快速扩展随机树算法综述

陈秋莲，蒋环宇，郑以君

广西大学计算机与电子信息学院，南宁 530004

出版日期:2019-08-15 发布日期:2019-08-13

Summary of Rapidly-Exploring Random Tree Algorithm in Robot Path Planning

CHEN Qiulian, JIANG Huanyu, ZHENG Yijun

School of Computer and Electronical Information, Guangxi University, Nanning 530004, China

Online:2019-08-15 Published:2019-08-13

摘要/Abstract

摘要： 路径规划是移动机器人的重要研究内容。快速扩展随机树（Rapidly-Exploring Random Tree，RRT）算法因在机器人路径规划中的成功应用，自提出以来就得到了极大的研究与发展。快速扩展随机树作为一种新颖的随机节点采样算法，相对传统路径规划算法，具有建模时间短、搜索能力强、方便添加非完整约束等优点。介绍了快速扩展随机树算法的基本原理与性质，并从单向随机树扩展、多向随机树扩展、其他改进等方面概括了算法的研究现状。最后，展望了算法未来的研究方向与挑战。

关键词: 机器人路径规划, 快速扩展随机树, 随机采样算法, 非完整约束

Abstract: Path planning is a vital research content of mobile robot technology. Rapidly-Exploring Random Tree（RRT） algorithm has been studied and developed since it was proposed because of its successful application in robot path planning. As a novel random node sampling algorithm, compared with traditional algorithms, the rapidly-exploring random tree has the characteristics of short modeling time, robust search ability and convenience to add nonholonomic constraints. This paper introduces the basic principle and properties of the rapidly-exploring random tree algorithm, summarizes the research status of the algorithm from the aspects of single random tree extension, multiple random tree extension and other improvements. Finally, the future research directions and challenges of the algorithm are prospected.

Key words: robot path planning, rapidly-exploring random tree, random sampling algorithm, nonholonomic constraint

陈秋莲，蒋环宇，郑以君. 机器人路径规划的快速扩展随机树算法综述[J]. 计算机工程与应用, 2019, 55(16): 10-17.

CHEN Qiulian, JIANG Huanyu, ZHENG Yijun. Summary of Rapidly-Exploring Random Tree Algorithm in Robot Path Planning[J]. Computer Engineering and Applications, 2019, 55(16): 10-17.

[1]	龙建全，梁艳阳. 多路口环境下RRT的最优路径规划[J]. 计算机工程与应用, 2020, 56(19): 273-278.
[2]	蒋丽1，2，叶润舟1，2，梁昌勇1，2，陆文星1，2. 改进的二阶振荡粒子群算法[J]. 计算机工程与应用, 2019, 55(9): 130-138.
[3]	刘华伟，张帅，赵搏欣，赵晓林. 改进RRT算法陷阱空间下的无人机航迹规划[J]. 计算机工程与应用, 2018, 54(8): 119-122.
[4]	张捍东，陈阳，吴玉秀. 未知环境下移动机器人实时路径规划[J]. 计算机工程与应用, 2018, 54(19): 140-146.
[5]	郭俊鸽，郭杭，洪海斌. 非完整约束下滤波算法在组合导航中的应用[J]. 计算机工程与应用, 2015, 51(24): 215-220.
[6]	马千知，雷秀娟. 改进粒子群算法在机器人路径规划中的应用[J]. 计算机工程与应用, 2011, 47(25): 241-244.
[7]	李艳东^1，2，王宗义¹，朱玲¹，张浩鹏¹. 非完整移动机器人的神经网络鲁棒自适应控制[J]. 计算机工程与应用, 2010, 46(29): 211-214.
[8]	刘杨,郭晨,张闯. 遗传优化的欠驱动船舶镇定控制[J]. 计算机工程与应用, 2009, 45(8): 204-207.
[9]	杨姗姗，戴学丰，唱江华. 实现机器人动态路径规划的仿真系统[J]. 计算机工程与应用, 2009, 45(32): 237-239.
[10]	唐国新，陈雄，袁杨. 机器人路径规划中的改进型遗传算法[J]. 计算机工程与应用, 2007, 43(22): 67-70.
[11]	唐国新，陈雄，袁杨. 微粒群算法在机器人路径规划中的应用[J]. 计算机工程与应用, 2007, 43(16): 231-234.

机器人路径规划的快速扩展随机树算法综述

Summary of Rapidly-Exploring Random Tree Algorithm in Robot Path Planning

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 11

编辑推荐

Metrics