基于曲率约束优化的Dubins-RRT*运动规划算法研究及其在移动机器人避障中的应用

针对Dubins车辆运动规划中路径曲率冗余和实时性不足的问题，研究人员提出改进的Dubins-RRT*算法（MDR），结合安全半径扩展策略和3点Dubins问题（3PDP）理论，开发了曲率约束路径优化算法（CCPOA）。该研究显著提升了路径平滑度和计算效率，为无人机（UAV）等受限系统的实时避障提供了新思路。

　　

论文解读

在智能机器人广泛应用于物流、农业和灾害救援的今天，移动机器人的实时避障能力成为关键挑战。尤其是固定翼无人机（UAV）和自主水下机器人（AUV）等Dubins车辆，因受限于最小转弯半径和固定速度，其运动规划面临巨大困难。传统算法如RRT*虽能生成避障路径，但随机采样的角度会导致路径出现不必要的曲率冗余，且计算效率难以满足实时需求。更棘手的是，现有曲率约束最短路径问题（CCSPP）的求解方法多停留在理论层面，缺乏与运动规划算法的有效融合。

针对这些问题，中国的研究团队提出了一种融合改进Dubins-RRT*（MDR）与曲率约束路径优化算法（CCPOA）的新型运动规划框架。该研究通过三项创新性工作实现了突破：首先，改进Dubins-RRT*的采样策略，减少角度随机性并引入安全半径扩展机制，确保路径可优化性；其次，将3点Dubins问题（3PDP）理论推广至多节点CCSPP求解，提出直接求根法提升计算效率；最后，通过仿真验证了算法在路径长度缩短17.3%的同时，保持毫秒级实时响应能力。相关成果发表于《Expert Systems with Applications》，为Dubins车辆的动态避障提供了兼具理论严谨性与工程实用性的解决方案。

关键技术方法

研究采用改进的Dubins-RRT*（MDR）生成初始路径，通过安全半径扩展策略预留优化空间；基于3PDP理论设计CCPOA算法，利用直接求根法求解多节点曲率约束优化问题；仿真实验在Matlab平台完成，对比了路径长度、曲率连续性和计算耗时等指标。

研究结果

1. 改进Dubins-RRT*算法
通过限制全状态采样范围与动态调整安全半径，将碰撞检测耗时降低42%，同时保证路径可通过后续优化。
2. 3PDP理论扩展
提出三种基本路径形式（CSC、CCC、CCCC）的必要条件，并给出直接求根法的收敛性证明，使CCSPP求解速度提升至毫秒级。
3. 仿真验证
在复杂障碍场景中，MDR+CCPOA组合算法相比传统Dubins-RRT*平均缩短路径长度15.8%，且无碰撞率保持100%。

结论与意义

该研究首次实现了CCSPP理论与RRT*框架的深度融合，其提出的CCPOA算法为多节点曲率约束优化提供了通用解决方案。工程上，安全半径扩展策略和快速求根法显著提升了Dubins车辆的运动规划效率，使得固定翼无人机等系统在保持动力学约束的同时，能够实时生成平滑避障路径。未来工作可进一步探索算法在三维空间与非结构化环境中的适应性。