为使机械臂在料框分拣应用中快速规划出较优的拾取路径,提出一种融合人工势场的改进RRT(rapidly-exploring random tree)机械臂路径规划方法。首先,利用人工势场进行预规划,在预规划路径上找到能够与目标节点无碰撞直连的路径节点,并将...
详细信息
为使机械臂在料框分拣应用中快速规划出较优的拾取路径,提出一种融合人工势场的改进RRT(rapidly-exploring random tree)机械臂路径规划方法。首先,利用人工势场进行预规划,在预规划路径上找到能够与目标节点无碰撞直连的路径节点,并将其作为RRT的规划目标节点,避免对空白区域的无用搜索。其次,在RRT算法基础上加入目标引导采样以及搜索参数自适应计算策略,提高算法的指向性以及鲁棒性。引入一种基于机械臂末端姿态约束的采样节点拒绝机制,降低有效性检查次数,提高规划效率。最后,对生成的原始路径进行剪枝优化,降低路径代价与转角数量,随后利用准均匀三次B样条结合四元数球面姿态插值进行平滑优化,提高路径质量。实验结果表明,所提出的改进算法与RRT算法相比,规划成功率提高了12.66%,规划时间与路径成本分别降低了79.05%以及34.80%。通过消融实验证明了各部分改进的有效性。在硬件平台上进行分拣测试,验证了该方法的实用性。
暂无评论