李明泽,谭光兴,黄磊昌,李春宇

• 1:广西科技大学自动化学院
• 2:广西安全工程职业技术学院智能制造学院

摘要(Abstract)：

针对传统Quick-RRT*算法在规划移动机器人路径时存在随机性强、精度低以及收敛到最优解速度慢等问题，本文提出一种改进的Quick-RRT*路径规划算法。该改进算法在找到一条初始路径前，采用可变采样区域的目标偏置采样策略，以快速绕过障碍物并引导随机树直接朝向目标生长，缩短了找到初始路径的时间；找到初始路径后，使用结合信标的椭球子集采样策略，在椭球子集约束采样区域和障碍物附近进行有偏采样来持续优化路径。同时，通过采用分层碰撞检测算法，避免重复进行无效的碰撞检测。然后，根据节点邻域中的障碍物与节点密度自适应地调整重连半径，以提高收敛速度。在障碍物稠密、简易迷宫、横“H”型3种二维仿真环境中的实验结果表明：与RRT*、Quick-RRT*、RRT*-Smart、A*算法、遗传算法、粒子群算法6种算法相比，改进算法的规划路径长度更短、规划成功率更高、规划耗时更少。最后，在三维环境仿真实验中，进一步验证了该算法用于路径规划的实用性和可靠性。

关键词(KeyWords)： 移动机器人;路径规划;Quick-RRT*算法;启发式采样;可变采样区域;分层碰撞检测

Abstract:

Keywords:

基金项目(Foundation): 国家自然科学基金项目（61563005）资助

作者(Author): 李明泽,谭光兴,黄磊昌,李春宇

DOI: 10.16375/j.cnki.cn45-1395/t.2026.03.009

参考文献(References)：

• [1]朱大奇，颜明重.移动机器人路径规划技术综述[J].控制与决策，2010,25(7):961-967.
• [2]秦旭，黄晓华，马东明，等.基于改进D*算法的巡检机器人路径规划[J].组合机床与自动化加工技术，2022(6):10-13.
• [3]方文凯，廖志高.基于改进A*算法的移动机器人全局路径优化研究[J].广西科技大学学报，2023,34(1):73-78,84.
• [4]谌生，文家燕，高远.基于改进A*算法和Bezier曲线平滑的单AGV路径规划[J].广西科技大学学报，2025,36(2):59-68.
• [5]黄荣杰，王亚刚.基于可视图与改进遗传算法的机器人平滑路径规划[J].控制工程，2024,31(4):678-686.
• [6]韩颜，于淼.粒子群算法在机器人路径规划中应用的综述[J].制造技术与机床，2024(7):85-90.
• [7]LAVALLE S M,KUFFNER J J. Rapidly-exploring random trees:progress and prospects[J]. Algorithmic and Computational Robotics,2001:303-307.
• [8]KARAMAN S,FRAZZOLI E. Sampling-based algorithms for optimal motion planning[J]. The International Journal of Robotics Research,2011,30(7):846-894.
• [9]ISLAM F,NASIR J,MALIK U,et al. RRT*-Smart:rapid convergence implementation of RRT*towards optimal solution[C]//2012 IEEE International Conference on Mechatronics and Automation. August 5-8,2012,Chengdu,China. IEEE,2012:1651-1656.
• [10]GANESAN S , RAMALINGAM B , MOHAN R E. A hybrid sampling-based RRT*path planning algorithm for autonomous mobile robot navigation[J]. Expert Systems with Applications,2024,258:125206.
• [11]JEONG I B,LEE S J,KIM J H. Quick-RRT*:triangular inequality-based implementation of RRT*with improved initial solution and convergence rate[J]. Expert Systems with Applications,2019,123:82-90.
• [12]CUI X L,WANG C Q,XIONG Y,et al. More quicklyRRT*:improved quick rapidly-exploring random tree star algorithm based on optimized sampling point with better initial solution and convergence rate[J]. Engineering Applications of Artificial Intelligence,2024,133:108246.
• [13]罗济雨，孙丙宇.基于改进型RRT*算法的移动机器人路径规划[J].计算机工程与设计，2024,45(8):2357-2363.
• [14]靳午煊，马向华，赵金良.改进Informed-RRT*的移动机器人路径规划算法研究[J].计算机工程与应用，2023,59(19):75-81.
• [15]王丽丽.基于改进RRT*算法的井下巷道漫游路径规划方法[J].现代电子技术，2024,47(12):62-68.

文章评论(Comment)：

序号(No.) 时间(Time) 反馈人(User) 邮箱(Email) 标题(Title) 内容(Content)

反馈人(User) 邮箱地址(Email) 反馈标题(Title) 反馈内容(Content)