1.一种基于混合多策略RRT的七自由度机械臂运动规划方法,其特征在于,包括以下步骤:步骤1.向快速搜索随机树引入自适应步长生长策略,得到快速搜索随机树在生成路径过程中不同子空间内的节点生长步长;
步骤1.1.通过Voronoi图将整个环境区域X划分为N个子空间,N为正整数,通过蒙特卡洛抽样法在各个子空间中进行随机采样,并按照下式得到各子空间中障碍物所占比例式中,Mi为第i个子空间中的总采样数,为第i个子空间中随机采样到障碍物的次数;
步骤1.2.根据子空间中障碍物所占比例确定自适应步长因子,构建自适应生长步长,得到不同子空间内的自适应生长步长,对于障碍物密集的区域,生长步长会相应变短,对于障碍物稀疏的区域,生长步长会相应变长;
所述不同子空间内的自适应生长步长γi为:
式中,xnew为生成的新节点,xrand为采样得到的节点,xnear为距离xrand最近的节点,为生长步长的最大变化值,γ为树节点的生长步长;
步骤2.向快速搜索随机树引入子空间增量采样策略,使快速搜索随机树趋向于在未探索的区域进行采样;
步骤2.1.定义步骤1中环境区域X内的信息为集合I,已搜索环境区域信息为集合Iexp,环境区域X内有M个障碍物,应用高斯分布函数构建已搜索环境区域内障碍物碰撞概率,从而按照下式得到整个环境区域X内障碍物的碰撞概率F(x);
式中,fj(x)为已搜索环境区域内第j个障碍物碰撞概率,x为机械臂运动规划状态空间内的任意点,σj为第j个障碍物的范围因子,μ为期望值;
步骤2.2.根据整个环境空间内障碍物的碰撞概率,按照下式构建能够根据节点和障碍物密度的大小自适应调整采样概率的增量采样概率Pi;
式中,Di为环境空间中树节点的密集程度,σ为障碍物的范围因子;
步骤3.向快速搜索随机树引入广度优先搜索策略,细化搜索结果,并剔除无效节点;
将步骤1和步骤2生成的树节点结果输出至广度优先搜索处,广度优先搜索将从这些树节点中按顺序依次取出树节点并判断所取出树节点周边相邻栅格是否存在障碍物,若不存在障碍物则标记为有效路径点,若存在障碍物则会被剔除。
2.根据权利要求1所述基于混合多策略RRT的七自由度机械臂运动规划方法,其特征在于,所述步骤1.2中自适应步长因子按照下式确定;
式中,为自适应步长因子,k为常数比例因子,且k>0,为障碍物在整个环境区域中所占的比例。
3.根据权利要求1所述基于混合多策略RRT的七自由度机械臂运动规划方法,其特征在于,所述步骤2.2中环境空间中树节点的密集程度Di为:式中,ni为第i个子空间内当前所存在的节点数,Ci为第i个子空间内现有节点数。
4.根据权利要求3所述基于混合多策略RRT的七自由度机械臂运动规划方法,其特征在于,所述第i个子空间内现有节点数Ci按照下式确定;
式中,Vi为第i个子空间的体积,Vnodei为每个树节点所需的体积,ρd为单位球在全局工作空间中的标准体积,ri为第i个子空间内节点间的距离,α为常数值,α∈(0,1)。