RRT —— Path Planning

版权声明：本文为博主原创博文，未经允许不得转载，若要转载，请说明出处并给出博文链接

 

       RRT(Rapidly-exploring random tree)通过使用搜索空间中的随机样本，在初始配置上生成一棵树。在绘制每个样本时，尝试在它与树中最近的状态之间建立连接。如果连接是可行的(完全通过空闲空间传递并遵守任何约束)，则会导致将新状态添加到树中。在搜索空间均匀采样的情况下，现有状态的扩展概率与其Voronoi区域的大小成比例。由于最大的Voronoi区域属于搜索边界上的州，这意味着树优先向未搜索的大区域扩展。

       树与新状态之间的连接长度常常受到生长因子的限制。如果随机样本与树中最近状态的距离超过了这个限制，则使用树与随机样本沿直线的最大距离处的新状态，而不是随机样本本身。随机样本可以被看作是控制树木生长的方向，而生长因子决定了它的速率。这维持了RRT的空间填充偏差，同时限制了增量增长的大小。

       RRT增长可以通过增加从特定区域采样状态的概率而有偏倚。大多数rts的实际实现都利用这一点来指导寻找规划问题的目标。这是通过引入小概率抽样的目标到状态抽样程序来实现的。这个概率越高，树就越贪婪地向目标生长。

       RRT的优点在于：较低的时间复杂度，搜索能力较快。缺点是搜索到的路径不是最优路径，且障碍物只可以是静态的。

       RRT的伪代码如下：

                      

      仿真示意图如下：

                                      

                                   

仿真2：无需绕过障碍物的情况下，暴露RRT的非最优路径的缺点