针对传统RRT算法在规划中随机性过大,搜索时间过长且不能够实现动态避障等问题,从3个方面进行改进。针对RRT算法搜索树扩展方向过于随机,根据以起始点与目标点为对角线的矩形中的障碍物占比向目标点方向扩展,分别在有障碍物与无障碍物的环境中与传统RRT算法对比,验证改进算法的高效性;对改进算法规划的路径进行关键节点提取,并按照关键节点进行优化;将优化后路径分段使用改进动态窗口法。将融合算法与传统动态窗口法以及RRT算法在路径拐点数量以及路径长度等方面进行比对,结果表明融合算法具有高效性且在规划的路径中加入临时障碍物时,移动机器人也能很好地避开。

针对基于目标偏向的RRT算法在复杂环境下易陷入局部搜索与搜索效率低的不足,在ROS中分别基于Dobot模型和DIY模型,对算法做出进一步的改进。在创建机械臂模型基础上,利用MoveIt!对其进行配置,并通过简化模型来提高碰撞检测效率;在基于目标偏向RRT算法的基础上,分别引入扩展目标变更策略和可变步长对算法进行改进;在ROS中分别进行了不同形态障碍物环境下的避障运动规划仿真;在样机上进行了避障和避障抓取实验。仿真及实验结果表明,提出的改进RRT算法相比基于目标偏向的RRT算法,规划成功率和效率分别可提高42.9%和29.2%。