基于蚁群的环境分区目标偏置RRT算法路径规划

利用快速扩展随机树算法((Rapidly-exploring random tree,RRT)进行路径规划时,在狭窄复杂区域与空旷障碍区域融合环境下,存在随机性大、搜索时间长、路径曲折等问题.为此,提出了一种基于蚁群的环境分区目标偏置RRT算法.首先,采用分环境的随机概率采样并结合人工势场的目标偏向扩展策略,以提高算法收敛速度,增强算法搜索能力.其次,为解决规划路径曲折且冗余点多的问题,提出改进蚁群寻优路径,并结合跳点筛选策略及三次B样条以消除冗余点平滑最终路径.最后,改进后的算法与A* 算法、目标偏向RRT算法进行了对比分析.仿真结果表明:改进后的算法节点耗费量降低了 54.8％,时间平均缩短了 75.88％,从而验证了算法的有效性.