【路径规划】基于RRT算法机器人最短路径规划matlab代码

本文主要是介绍【路径规划】基于RRT算法机器人最短路径规划matlab代码，对大家解决编程问题具有一定的参考价值，需要的程序猿们随着小编来一起学习吧！

​1 简介

移动机器人运动规划技术是自主移动机器人导航的核心技术之一,而路径规划技术是导航技术研究的一个关键课题.路径规划的任务是:依据一定的评价准则(如距离最短,时间最短,工作代价最小等等),在一个存在障碍物的工作环境内,寻求一条从初始点开始到目标点结束的较优的无碰撞路径.本文旨在结合实际环境基于快速扩展随机树(Rapidly-Exploring Random Tree, RRT)算法实现自主移动机器人的路径规划。​

2 部分代码

%***************************************

%% ?????
clear all; close all;
x_I=1; y_I=1;           % ?????
x_G=700; y_G=700;       % ?????
Thr=50;                 % ???????
Delta= 30;              % ??????
NearDelta= 60;          % ??near?????
%% ?????
T.v(1).x = x_I;         % T????????v??????????????T???
T.v(1).y = y_I; 
T.v(1).xPrev = x_I;     % ??????????????
T.v(1).yPrev = y_I;
T.v(1).dist=0;          % ????????????????????
T.v(1).rootDist=0;      % ????????????????????
T.v(1).indPrev = 0;     %
T.v(1).p = [];          % ?????????????

%% ?????棗????
figure(1);
ImpRgb=imread('newmap.png');
Imp=rgb2gray(ImpRgb);
imshow(Imp)
xL=size(Imp,1);
yL=size(Imp,2);
hold on
plot(x_I, y_I, 'ro', 'MarkerSize',10, 'MarkerFaceColor','r');
plot(x_G, y_G, 'go', 'MarkerSize',10, 'MarkerFaceColor','g');
count=1;
found = 0;
updateFlag = 0;
solutionEndIdx = -1;
solutionIdxSet = [];
solutionEllipse = inf;

for iter = 1:4000
   %Step 1: ???????????x_rand,?????????????
   x_rand=[xL, yL].*rand(1,2);
   if norm(x_rand - [x_I,y_I])+norm(x_rand - [x_G,y_G])> solutionEllipse
       continue;
   end
   
   %Step 2: ?????????????? x_phase1_near 
   x_phase1_near=[];
   min_dis_toT = inf;
   for i = 1:length(T.v)
       t_node = T.v(i);
       t_nodexy = [t_node.x, t_node.y];
       dis_toT = norm(t_nodexy - x_rand);
       if dis_toT < min_dis_toT
           min_dis_toT = dis_toT;
           x_phase1_near = t_nodexy;
       end
   end
   
   %Step 3: ????x_new??
   dxy = x_rand - x_phase1_near;
   dxynorm = dxy/norm(dxy);
   x_new = x_phase1_near + dxynorm*Delta;
   if ~collisionChecking(x_new,[],Imp)
       continue;
   end

   %Step 3: ??????x_new?????x_link,???near??
   near_set = [];
   min_dis_toT = inf;
   x_link_idx = -1;
   for i = 1:length(T.v)
       t_node = T.v(i);
       t_nodexy = [t_node.x, t_node.y];
       dis_toT = norm(t_nodexy - x_new);
       if dis_toT < NearDelta && collisionChecking(x_new,t_nodexy,Imp)
           near_set = [near_set;t_nodexy, i];
           curDist = dis_toT + T.v(i).rootDist;
           if min_dis_toT > curDist
               min_dis_toT = curDist;
               x_link_idx = i;
           end
       end
   end
   if x_link_idx == -1
       continue;
   end 
   x_link = [T.v(x_link_idx).x,T.v(x_link_idx).y];

   %Step 4: ?x_new???T 
   %??????x_new?????x_link
   count=count+1;
   T.v(count).x = x_new(1);         
   T.v(count).y = x_new(2);
   T.v(count).xPrev = x_link(1);     
   T.v(count).yPrev = x_link(2);
   T.v(count).dist=norm(x_new - x_link);
   T.v(count).rootDist= T.v(x_link_idx).rootDist + norm(x_new - x_link);
   T.v(count).indPrev = x_link_idx;     
   T.v(count).p = plot([x_link(1), x_new(1)],[x_link(2), x_new(2)], 'r', 'marker', '.');
   drawnow;
   
   %Step 5:??rewire
   updateFlag = 0;
   x_new_idx = count;
%     disp(['cur is ', num2str(curNodeIdx), 'link to ', num2str(selected_nea_idx)])
   for i = 1:size(near_set, 1)
       node_xy = near_set(i,1:2);
       node_idx = near_set(i,3);
       % ???x_new???
       if node_idx == x_new_idx
           continue;
       end
       dist = norm(x_new - node_xy);
       if  T.v(node_idx).rootDist > T.v(x_new_idx).rootDist + dist
           updateFlag = 1;
           T.v(node_idx).rootDist = T.v(x_new_idx).rootDist + dist;
           T.v(node_idx).xPrev = x_new(1);
           T.v(node_idx).yPrev = x_new(2);
           T.v(node_idx).dist = dist; 
           T.v(node_idx).indPrev = x_new_idx;
           delete(T.v(node_idx).p)
           T.v(node_idx).p = plot([x_new(1), node_xy(1)],[x_new(2), node_xy(2)], 'r', 'marker', '.');
           drawnow;
       end
   end
   
   %Step 6:????????????? 
   if norm(x_new-[x_G,y_G]) < Thr && collisionChecking(x_new,[x_G,y_G],Imp) && found == 0
       % ??[x_G y_G]??
       count=count+1;
       solutionEndIdx = count;
       T.v(count).x = x_G;         
       T.v(count).y = y_G;
       T.v(count).xPrev = x_new(1);     
       T.v(count).yPrev = x_new(2);
       T.v(count).dist=norm(x_new - [x_G,y_G]);
       T.v(count).rootDist= T.v(x_new_idx).rootDist + norm(x_new - [x_G,y_G]);
       T.v(count).indPrev = x_new_idx;     
       T.v(count).p = plot([x_new(1), x_G],[x_new(2), y_G], 'r', 'marker', '.');
       found = 1;
       % ??[x_I x_I]?x_new ???????????
       pathIndex = solutionEndIdx;
       solutionIdxSet = [pathIndex];
       set(T.v(pathIndex).p, 'color', 'b','Linewidth', 3);
       for k = 1:1000
           pathIndex = T.v(pathIndex).indPrev;
           if pathIndex == 1
               break
           end
           solutionIdxSet = [solutionIdxSet, pathIndex];
           set(T.v(pathIndex).p, 'color', 'b','Linewidth', 3);
       end  % ????????
       drawnow;
   end
   
  %Step 7: ????????????????????????????????????
if found == 1 && updateFlag == 1
       % ??????
       solutionEllipse = -inf;
       for i = 1:length(solutionIdxSet)  
           set(T.v(solutionIdxSet(i)).p, 'color', 'r','Linewidth', 1);
           node_xy = [T.v(solutionIdxSet(i)).x,T.v(solutionIdxSet(i)).y];
           if solutionEllipse < norm(node_xy - [x_I,y_I])+norm(node_xy - [x_G,y_G])
               solutionEllipse = norm(node_xy - [x_I,y_I])+norm(node_xy - [x_G,y_G]);
           end
       end
       
       % ???????????
       pathIndex = solutionEndIdx;
       solutionIdxSet = [pathIndex];
       set(T.v(pathIndex).p, 'color', 'b','Linewidth', 3);
       for k = 1:1000
           pathIndex = T.v(pathIndex).indPrev;
           if pathIndex == 1
               break
           end
           solutionIdxSet = [solutionIdxSet, pathIndex];
           set(T.v(pathIndex).p, 'color', 'b','Linewidth', 3);
       end  % ????????
       drawnow;
   end
end

3 仿真结果

4 参考文献

[1]朱宏辉, 王嘉豪. 一种移动机器人路径规划新算法[J]. 计算机测量与控制, 2020, 28(11):6.

这篇关于【路径规划】基于RRT算法机器人最短路径规划matlab代码的文章就介绍到这儿，希望我们推荐的文章对大家有所帮助，也希望大家多多支持为之网！