排序方式: 共有91条查询结果,搜索用时 15 毫秒
91.
为了提高菠萝收获的机械化和自动化水平,该研究以菠萝采收机为研究对象,采用改进RRT*(Rapidly-exploring Random Trees Star)算法进行全局路径规划。首先在产生随机采样点时引入自启发式思想约束采样点的生成,在拓展新节点时借鉴人工势场引入方向权重对新节点拓展方向进行约束,同时计算权重wg合适的取值范围,采双向拓展加快迭代速度,后利用贪心算法修剪路径的冗余节点,并利用Cantmull-Rom插值函数对路径进行平滑处理。根据农田道路存在的复杂情况创建多障碍物、迷宫和狭窄通道3种仿真环境,分别对比RRT*算法、双向RRT*算法和改进后RRT*算法的性能进行测试。试验结果表明:3种环境下,本文算法的平均收敛时间是RRT*算法的17.97%,是双向RRT*算法的46.12%,平均规划速度是RRT*算法的4.7倍,是双向RRT*算法的2.2倍左右,平均拓展的节点数量比 RRT* 算法减少87.22%,比双向 RRT* 算法减少 52.52%,平均路径长度比 RRT* 算法减少 3.81%,比双向 RRT* 算法减少 6.08%。田间试验结果表明:本文算法的规划时间仅为RRT*算法的14.12%,为双向RRT*的20.34%,迭代次数比RRT*算法减少80.89%,比双向RRT*减少69.70%。另外,RRT*和双向RRT*算法规划出的路径上大于60°的转角分别是本文算法的1.56和2.06倍,大于100°的转角分别是本文算法的1.55和2.18倍,本文算法规划的路径更平滑。改进RRT*算法在农田里规划的路径符合菠萝采收机的路径导航需求,研究结果可为菠萝采收机的导航研究提供参考。 相似文献