排序方式： 共有1条查询结果，搜索用时 31 毫秒
1
1.
近年来针对传统人工势场法(artificialpotentialfield,APF)易陷入局部最小值问题所提出的优化算法依然存在适用性不高、计算效率低等问题,基于部分优化算法的不足,笔者创新性地引入了基于采样的快速扩展随机树算法(rapidlyexploringrandomtree,RRT)在静态已知地图上预先选取数个临时目标点,避免移动机器人在使用人工势场法时陷入局部最小值区域并在动态障碍物环境中进行实时路径规划的避障策略.结果表明:该方法简单易实现,同时结合了RRT算法概率性完备、收敛性良好与APF算法计算小、实时性高等优点,能够适应动态环境变化,满足移动机器人动态避障的要求. 相似文献
1