基于改进Bi-RRT的移动机器人路径规划算法

来源：计算机测量与控制杂志2022年第5期北京时间：

作者：崔春雷,陈诗豪,沈超航,李锋

单位：广东交通职业技术学院

摘要：双向快速扩展随机树(Bi-RRT)算法因采样点的随机性导致在复杂环境中的路径规划存在搜索时间长、采样效率低等问题，为此提出了一种改进Bi-RRT的移动机器人路径规划算法。算法引入启发式搜索策略，分别以机器人的起点和终点为中心，构造了二维高斯分布函数，并用该概率密度函数约束采样点的生成，使得越接近目标点的空间采样点出现概率越大，同时保留部分均匀分布的采样点，这样采样过程既可以利用目标点的位置信息又保证了算法的概率完备性。通过算法设计的启发式采样点的引导，两棵随机树可以快速向着目标区域生长，降低了搜索的盲目性，提高了搜索的效率。仿真结果：相比于基本Bi-RRT算法，改进算法在复杂环境下规划时间缩短了43.9%，扩展节点数目减少了41.4%，路径长度优化了8.1%，并分析了高斯分布采样点占采样点总数的比值对算法性能的影响。

关键词：机器人;路径规划;双向快速扩展随机树(Bi-RRT);目标偏向性;高斯分布

基金资助：2020年广东省科技创新战略专项资金（“攀登计划”专项资金）基于激光雷达SLAM全自动装卸载机器人（pdjh2020b0978）；广东交通职业技术学院大学生科技创新项目(QKYB0716119)；教育部职业院校信息化教学研究课题（2018LXA0006）