融合改进RRT–Connect与APF的路径规划算法

摘要

为提高无人驾驶车辆路径规划的实时性与安全性，提出一种融合改进双向快速扩展随机树(RRT–Connect)和人工势场(APF)的协同优化算法。首先采用动态步长策略，根据节点与障碍物间距自适应调整扩展步长，显著提高路径搜索效率；其次融合APF特性，利用其引力分量引导随机树向目标点方向偏置采样以加快收敛速度，同时借助APF斥力分量实现障碍物规避以增强路径安全性；进而引入双向剪枝策略结合三次B样条曲线优化，有效缩短路径长度并提升轨迹平滑度；特别地，通过改进APF斥力函数增加目标点间距离分量，解决目标点不可达问题，又确保车辆在动态环境中能稳定抵达目标位置。为验证算法有效性，基于机器人操作系统(ROS)搭建仿真平台，在多种复杂障碍物场景下进行测试。结果表明：与基准RRT和RRT–Connect算法，本文提出的融合优化算法通过动态步长策略和采样函数改进，使路径节点数量分别减少约30%和12%，路径长度分别缩短约30%和13%，搜索时间分别降低约50%和3%；经双向剪枝策略和三次B样条曲线的联合优化处理，路径平滑度进一步提升、长度进一步缩短；改进后的斥力函数不仅有效解决了目标点不可达问题，同时提升了算法在动态复杂环境中的实时避障能力。

关键词

RRT–Connect / 人工势场法 / 动态步长 / 自适应采样 / 无人驾驶 / 实时避障 / 运动平滑 / 路径规划