【路径规划】基于RRT+APF实现机器人二值地图动态避障算法附matlab仿真

简介: 【路径规划】基于RRT+APF实现机器人二值地图动态避障算法附matlab仿真

✅作者简介:热爱科研的Matlab仿真开发者,修心和技术同步精进,matlab项目合作可私信。

🍎个人主页:Matlab科研工作室

🍊个人信条:格物致知。

更多Matlab仿真内容点击👇

智能优化算法       神经网络预测       雷达通信      无线传感器        电力系统

信号处理              图像处理               路径规划       元胞自动机        无人机

⛄ 内容介绍

一种APFRRT算法的机器人避障路径规划方法,在已知起始位置,目标位置和障碍物环境信息的条件下,利用APFRRT算法,引入障碍物数目参数和算法切换策略避免传统APF算法无法到达目标点和陷入局部最小值,引入双边最近节点选择策略;提出的改进APFRRT算法减少了路径长度,提升了算法效率,可以很好地适用于机器人避障路径规划问题.

⛄ 部分代码

clc

clear all

close all

%% 初始化

path='scc.png';

map=loadMap(path);

% 最大迭代次数

RRTCountMax = 30000;

APFCountMax = 30000;

% 步长

RRTstep = 20;

APFstep = 2;

% 起始点、目标点

%select = 5;

starts = [100, 100; 100, 100; 100, 100; 1, 3; 4,4];

targets = [300, 400; 950,750; 100, 500; 5, 9; 9,8];

%

select = 1;

start = starts(select, :);

target = targets(select, :);

% x_I = 100; y_I = 100;           % 设置初始点 100,100

% x_G = 200; y_G = 200;       % 设置目标点  750,750

% 障碍物 x y r

obs = [

   960, 690, 20;

   540, 690, 20;

   90,200,10;

   55,400,10;

   60,550,10;

   ];    % 动态障碍点圆心坐标及半径

obsv = [

   2, 2, 0;

   -2, -2, 0;

   -2,0,0;

   1,0,0;

   -1,0,0;

   ];

% kAttr, kRep

kAttr = 0.01;  % 引力系数

kRep = 10;    % 斥力系数

kObs = 5;   % 作用延伸范围

figure

imshow(map)

hold on;

plot(start(1), start(2), 'p', markersize=10, color='red');

plot(target(1), target(2), 'p', markersize=10, color='green');


ok = false;

result = [];

while ~ok

   ok = true;

   rrt_result = RRTstar(map, start, target, obs, RRTstep, RRTCountMax);

   if isempty(rrt_result)

       disp("rrt star cannot find path")

       return

   end


   if size(rrt_result, 1) == 1

       disp('start == target')

       return

   end

   hflag=0;

   h1=[];

   for i = 2: size(rrt_result, 1)

       apf_start = rrt_result(i - 1, :);

       apf_target = rrt_result(i, :);

       [h1,hflag,apf_result, success, newStart, count, obs] = APF(h1,hflag,map, start, target,apf_start, apf_target, obs,obsv, APFstep, APFCountMax, kAttr, kRep, kObs);

       result = [result; apf_result];

       if (success == false)

           ok = false;

           start = newStart;

           break;

       end

   end

end

plot(result(1:end, 1), result(1:end, 2), '--', color='g');

⛄ 运行结果

⛄ 参考文献

[1] 陈少斌, 蒋静坪. 基于神经网络和粒子群优化算法的移动机器人动态避障路径规划[J]. 系统仿真技术, 2006(4):6.

[2] 彭鹏张志安黄学功. 基于APF-RRT的双机械臂动态避障路径规划[J]. 机械传动, 2022, 46(4):48-54.

[3] 黄永良, 李燕, 张小龙. 基于改进蚁群算法的机器人路径规划[J]. 电脑与信息技术, 2023, 31(2):4.

[4] 闵凤, 江翠翠, 姚忠福. 基于Matlab和V-REP的移动机器人路径规划仿真平台[J]. 科技经济导刊, 2019(5):2.

[5] 唐新星, 刘博聪, 项天野,等. 一种改进APF-RRT算法的机器人避障路径规划方法:, CN202211189700.0[P]. 2023.

[6] 杨姗姗, 戴学丰, 唱江华. 实现机器人动态路径规划的仿真系统[J]. 计算机工程与应用, 2009, 45(32):4.

⛳️ 代码获取关注我

❤️部分理论引用网络文献,若有侵权联系博主删除
❤️ 关注我领取海量matlab电子书和数学建模资料


相关文章
|
3月前
|
5G
基于IEEE 802.11a标准的物理层MATLAB仿真
基于IEEE 802.11a标准的物理层MATLAB仿真
248 0
|
3月前
|
算法
基于MATLAB/Simulink平台搭建同步电机、异步电机和双馈风机仿真模型
基于MATLAB/Simulink平台搭建同步电机、异步电机和双馈风机仿真模型
|
3月前
|
机器学习/深度学习 算法 数据可视化
基于MVO多元宇宙优化的DBSCAN聚类算法matlab仿真
本程序基于MATLAB实现MVO优化的DBSCAN聚类算法,通过多元宇宙优化自动搜索最优参数Eps与MinPts,提升聚类精度。对比传统DBSCAN,MVO-DBSCAN有效克服参数依赖问题,适应复杂数据分布,增强鲁棒性,适用于非均匀密度数据集的高效聚类分析。
|
3月前
|
开发框架 算法 .NET
基于ADMM无穷范数检测算法的MIMO通信系统信号检测MATLAB仿真,对比ML,MMSE,ZF以及LAMA
简介:本文介绍基于ADMM的MIMO信号检测算法,结合无穷范数优化与交替方向乘子法,降低计算复杂度并提升检测性能。涵盖MATLAB 2024b实现效果图、核心代码及详细注释,并对比ML、MMSE、ZF、OCD_MMSE与LAMA等算法。重点分析LAMA基于消息传递的低复杂度优势,适用于大规模MIMO系统,为通信系统检测提供理论支持与实践方案。(238字)
|
3月前
|
机器学习/深度学习 算法 机器人
【水下图像增强融合算法】基于融合的水下图像与视频增强研究(Matlab代码实现)
【水下图像增强融合算法】基于融合的水下图像与视频增强研究(Matlab代码实现)
390 0
|
3月前
|
数据采集 分布式计算 并行计算
mRMR算法实现特征选择-MATLAB
mRMR算法实现特征选择-MATLAB
263 2
|
4月前
|
传感器 机器学习/深度学习 编解码
MATLAB|主动噪声和振动控制算法——对较大的次级路径变化具有鲁棒性
MATLAB|主动噪声和振动控制算法——对较大的次级路径变化具有鲁棒性
269 3
|
4月前
|
存储 编解码 算法
【多光谱滤波器阵列设计的最优球体填充】使用MSFA设计方法进行各种重建算法时,图像质量可以提高至多2 dB,并在光谱相似性方面实现了显著提升(Matlab代码实现)
【多光谱滤波器阵列设计的最优球体填充】使用MSFA设计方法进行各种重建算法时,图像质量可以提高至多2 dB,并在光谱相似性方面实现了显著提升(Matlab代码实现)
196 6
|
3月前
|
机器学习/深度学习 算法 机器人
使用哈里斯角Harris和SIFT算法来实现局部特征匹配(Matlab代码实现)
使用哈里斯角Harris和SIFT算法来实现局部特征匹配(Matlab代码实现)
210 8
|
3月前
|
机器学习/深度学习 算法 自动驾驶
基于导向滤波的暗通道去雾算法在灰度与彩色图像可见度复原中的研究(Matlab代码实现)
基于导向滤波的暗通道去雾算法在灰度与彩色图像可见度复原中的研究(Matlab代码实现)
223 8

热门文章

最新文章