RRT（rapidly exploring random tree）算法学习笔记，机器人自主探索，路径规划

一、算法描述：

 

1、主要思想

        简单来说， RRT算法是一种树型算法，它由一个起始点Xinit作为树的起始节点（或者叫根节点），然后从这个起始点进行随机生长，通过随机采样增加叶子节点Xnew的方式，生成一个随机扩展树，当随机树中的叶子节点包含了目标点或进入了目标区域，便从随机树中找到一条由从初始点到目标点的路径

2、拟解决的问题

（1）在一个未知环境中，使机器人快速对环境进行建模。

（2）或使机器人在一个未知环境中到达目标点。

3、适用环境： 二维及多维空间

4、特点：

（1）优点：①适合多维空间， 可以使机器人能够快速有效地搜索高维空间，从而实现对目标点的路径规划。

②原理简单，适用性强，无需预知环境，也可完成对机器人的路径规划。

（2）缺点：路径规划的效果受规划时间、地形复杂程度以及生长步长的影响，而且规划好的路径不一定是最优路径。

 图1  RRT路径规划效果图

二、算法内容描述

Algorithm      RRT

1:  定义初始点Xinit； 2：while 2:      随机产生一个随机点Xrand； 3:      找到RRT中距离Xrand 距离最近的点Xnearest; 4:      朝Xrand方向生长δ步长的距离，产生Xnew; 5:      if  Xnew无碰撞 and 不位于未知区域 6:          将Xnew加入RRT的节点 7:      else 删除Xnew； 8:      end if 9:  end while

主要思想: 1.随机采样一个点

                2.向随机点方向生长δ 条件判定

                3.满足即加入RRT,否则舍弃

三、基于RRT的机器人自主探索算法优缺点

优点： 1.快速提取地图的前沿点；

            2.双前沿点探测器（局部+全局）提高探索效率和灵活性；

            3.倾向于对未知区域进行探索；

缺点： 1.对于具有狭窄通道和狭窄入口的区域，RRT生长困难，探索效率低；

            2.探索过程的后期，RRT生长缓慢。

GitHub源码: rrt_exploration &  rrt_exploration_tutorials