控制与决策

作者：李阿辉,刘锦元,付明磊,高魏磊,官柏平,应鑫森,SYCHOU Uladzislau

单位：浙江工业大学 信息工程学院，杭州 310023,,浙江工业大学 信息工程学院，杭州 310023,,浙江工业大学 信息工程学院，杭州 310023,,赛克思液压科技股份有限公司，浙江 宁波 305121,,赛克思液压科技股份有限公司，浙江 宁波 305121,,浙江三锋实业股份有限公司，浙江 金华 321399,,白俄罗斯国家科学院信息学问题联合研究所，明斯克 220012,

关键词：移动机器人;路径规划;拓扑;知情集;最优距离;动态采样域

基金：国家重点研发计划“政府间国际科技创新合作”重点专项(2022YFE0121700)；宁波市公益性研究计划重点项目(2023S018)；金华市重大科技计划项目(2023-1-019)；嘉兴市公益性项目(2022AD10021).

针对基于图搜索的路径规划算法难以在连续空间中找到最优路径和基于采样的路径算法路径生成效率低的问题, 提出一种基于凸剖分知情采样的最优路径规划算法(CDI-RRT*). 首先, 对静态地图进行凸剖分并建立拓扑图, 在拓扑图的指引下使用A*算法生成初始路径并结合弹性带算法对其进行优化, 从而获取局部最优路径; 之后, 在拓扑图的指导下构建初始树, 并结合剖分线约束与Informed-RRT*算法的知情集约束构建动态采样域, 通过在动态采样域中随机采样来优化初始树, 进而规划出最优路径; 最后, 将所提算法与目前先进的最优路径规划算法在仿真以及物理场景下进行实验对比. 实验结果表明, CDI-RRT*算法在多数场景下初始路径和最优路径的生成效率等核心指标均优于对比算法, 充分验证了所提出算法的可行性与有效性.

来源：2025年第6期

《控制与决策》期刊编辑部

查看控制与决策杂志2025年第6期