【機器人學：運動規劃】快速搜尋隨機樹（RRT---Rapidly-exploring Random Trees）入門及在Matlab中演示
阿新 • • 發佈：2018-11-25
快速搜尋隨機樹（RRT -Rapidly-ExploringRandom Trees），是一種常見的用於機器人路徑（運動）規劃的方法，它本質上是一種隨機生成的資料結構—樹，這種思想自從LaValle在[1]中提出以後已經得到了極大的發展，到現在依然有改進的RRT不斷地被提出來。
機器人的路徑（運動）規劃的問題被定義為：給定機器人在運動區域的初始位姿
對於機械臂來說，一般的運動規劃是在大於等於2的多維構型空間（C-Space）中進行的，然而對於初學者來說，可以首先以2維空間中的路徑規劃為例（例如圖1所示的迷宮），掌握一個初步的概念。
圖1 在一個迷宮中設定起點
對於機器人運動規劃問題，現在有很多開源的程式碼可供選擇學習，例如OMPL，在CSDN上也有人上傳了一些RRT的程式碼，但是大部分是需要積分下載的。為了更加便捷地入門學習RRT的思路，我從Github上找到了一個在Matlab裡編寫和模擬的程式碼（原始碼連線），因為在Matlab中執行程式和視覺化相對來說比較簡單，所以現在簡單介紹一下這個程式，算作是對RRT的初步入門學習。 它的虛擬碼可以表示成下表：
- 演算法：構建RRT
———————————————————— - 輸入：
map: 機器人所處環境的資訊；
qinit ：機器人的起始位置;
qgoal ：機器人的終點位置；
k ：嘗試生成樹節點的次數；
deltaq ：qnear 和qnew 的距離；
———————————————————— - 輸出
V ：RRT的頂點；ertices
Edges ：RRT的邊；
Path ：從qinit 到qgoal 的原始路徑；
T ：連線qinit 和qgoal 的樹;
PathSmooth ：連線qinit 和qgoal 的縮短後的路徑；
———————————————————— - 1：
qrand,qnear,qnew←∅ ；
2：for i=1 to k
3：按一定的概率設定qrand←qgoal 或在map中隨機生成qrand ;
4：qnear←findQNear(qrand,vertices); //在qrand 附近找到距離其最近的qnear .
5：qnew←findQNew(qnear,qrand,deltaq); //生成沿qnear 和qrand 方向上，距qnear 為deltaq 的qnew ；
6：對qnew 到qnear 做碰撞檢測；
7：if 沒有碰撞
8：Vertices←Vertices∪ {qnew }；
9：Edges←Edges∪ {qnew,qnear }；
10：ifqnew =qgoal orqnew 和qnear 將qgoal 包圍
11：path←fillSo