基于分区思想的两阶段RRT*算法

针对 RRT*算法采样效率低、搜索时间长等问题,提出了一种基于分区思想的两阶段 RRT*算法(TP-RRT*).在探索阶段,利用自适应采样限制采样点的随机性,根据平行四边形法则合成新的矢量节点,既提升了采样点的方向性,又增强了算法对地图的搜索能力.在寻找最近点时,遍历整个随机树的过程存在计算量大、耗时长的问题,因此采用分区存储和检索的方法提升搜索的效率,同时限定分区中的节点数量,避免同一区域过度搜索.并在此基础上,生成一个新的父节点来改进原始算法中的重选父节点环节,进一步减少路径长度.最终在优化阶段时,通过对全局区域进行随机采样,并构造评估函数,得到可以改善路径的节点.仿真实验结果表明,改进算法与原算法在 3 种不同地图下,路径长度均减少了 10%以上、时间均缩短了 61%以上、节点数量均降低了 75%以上;TP-RRT*算法在路径规划的长度、时间、节点数等方面都优于 Q-RRT*和informed-RRT*.