RRT-Rope：大规模无杂乱3D环境中快速近最优路径规划的确定性缩短方法

迄今为止，已经提出了许多路径规划算法，但在大规模无杂乱的3D环境中，例如由无人机（UAV）探索的地下采矿采场，大多数算法在路径成本和处理时间方面代价高昂。快速探索随机树（RRT）算法因其概率完备性和在单查询问题中快速找到可行路径的能力而广受欢迎。许多为改进RRT而开发的算法（例如Informed RRT*、RRT#）在大型环境中需要相当长的时间才能收敛。对RRT进行捷径化是一个古老的想法，已被证明优于RRT变体。本文介绍了一种新方法RRT-Rope，旨在在极短的时间内找到近最优解。所提出的方法受益于使用改进版本的RRT-connect快速计算可行路径，并通过确定性捷径技术快速后处理，利用添加到树每个分支的中间节点。本文展示了为显示RRT-Rope效率而进行的模拟和统计数据，在所有模拟环境中，它在路径成本和计算时间方面均优于其他流行的RRT变体和缩短技术，并且在代表性采场中比次优算法快高达70%。