RRT、RRTConnect、RRT*——Matlab算法

1.RRT

RRT算法倾向于拓展到开放的未探索区域，只要时间足够，迭代次数足够多，没有不会被探索到的区域。

2.RRT-Connect

RRT-Connect算法：基于RRT搜索空间的盲目性，节点拓展环节缺乏记忆性的缺点，为了提高空间内的搜索速。在RRT算法的基础上加上了两棵树双向抖索的引导策略，并且在生长方式的基础上加上了贪婪策略加快了搜索速度，并且减少了空白区域的无用搜索，节省了搜索时间。

RRT、RRTConnect、RRT*——Matlab算法

3.RRT*算法

RRT-Connect算法增加了启发式策略，以及贪婪思想，但RRT算法和RRT-Connect算法的共同缺点是，他们的路径都不是最优的，没有添加评价路径长短花费的函数，搜索路径策略都是基于随机采样的搜索。渐进最优的RRT*算法，该算法在原有的RRT算法上，改进了父节点选择的方式，采用代价函数来选取拓展节点领域内最小代价的节点为父节点，同时，每次迭代后都会重新连接现有树上的节点，从而保证计算的复杂度和渐进最优解。（如：基于高斯采样策略的RRT*算法）

RRT、RRTConnect、RRT*——Matlab算法

4.代码

代码的原地址为：https://github.com/adnanmunawar/matlab-rrt-variants

代码中包含了：RRT-Connect、LazyRRT、RRTextend、RRT*的2D和3D算法

matlab-rrt-variants
===================

RRT*, RRT-connect, lazy RRT and RRT extend have been implemented for 2d and 3d c-spaces with visualization

#General Information:

This is a basic yet meaningful implementation of RRT and its variants in Matlab.

#How to run
All you need to do is fire up the benchmarkRRT.m file, it is pretty self explanatory.

# Specify the number of runs for each planner
* num_of_runs =1;

# Specify if we want to run the specific planner or not, 1 for yes and 0 for no.
* run_RRTconnect =0 or 1; 
* run_RRTextend = 0 or 1;
* run_LazyRRT = 0 or 1;
* run_RRTstar = 0 or 1;

# Specify whether to run the planner in 2D or 3D (only for now)
* dim = 3;

# Specify the step size, the world is 100 \* 100 for 2D and 100 \* 100 \*100 for 3D 
* stepsize = [10];

# Specify whether to use random obstacles or to use pre programmed obstacles
* random_world = 0 or 1;

# For RRT* only
*radius = 10;
*samples = 4000;

# Showing output or not
*show_output = 0 or 1;
*show_benchmark_results = 0 or 1;

代码使用说明