matlab-rrt-variant：具有可视化功能的2d和3d c空间已实现RRT *，RRT连接，惰性RRT和RRT扩展-源代码

RRT实际应用算法

1:RRT-->astart.m 2:RRT*-->a_RRT_star.m 3:bi-RRT*-->a_bi_RRT_star.m 4:ib_RRT*-->a_ib_RRT_star.m

对传统的快速扩展随机数（RRT）算法matlab的仿真实验，只为给读者提供最原始简介的实验环境，避免因为过度的改进造成不必要的理解误区。该实验程序可自由定义栅格地图大小，自由定义障碍物的摆放位置与数量，同时也可以生成随机地图验证自己的算法。希望可以帮到更多人。

RRT原始代码，直接放matlab中就能跑起来，地图可以自己重新画，但是画好的地图分辨率一定要调成800*800.

RRT-star-artificial-potential-field-master.rar

改进的rrt算法讲解，另外还包含了自动驾驶学习资料的获取： 涵盖感知，规划和控制，ADAS，传感器； 1. apollo相关的技术教程和文档； 2.adas（高级辅助驾驶）算法设计（例如AEB,ACC,LKA等） 3.自动驾驶鼻祖mobileye的论文和专利介绍 4.自动驾驶学习笔记 5.自动驾驶专项课程（可能是目前最好的自动教师教程），是coursera上多伦多大学发布的自动驾驶专项课程，应该是目前为止非常火非常好的教程了，包含视频，ppt，论文以及代码 6.国家权威机构发布的adas标准，这是adas相关算法系统的标准，也是开发手册。 7.规划控制相关的算法论文介绍 8. 控制理论及应用实践

rrt 基于rrt的算法的集合，可扩展到n维： rrt rrt *（rrt-star） rrt *（双向） rrt *（惯用的，延迟的缩短） rrt连接 利用避免了逐点碰撞检查和距离检查，从而提高了性能。 要求 （仅用于绘图） 用法 定义一个n维搜索空间，以及该空间内的n维障碍物。 在测试与目标的连通性之前，分配开始和目标位置以及迭代次数以扩展树，并指定最大总体迭代次数。 搜索空间 以以下形式为搜索空间分配边界： [(x_lower, x_upper), (y_lower, y_upper), ...] 开始和目标 由以下形式的元组表示的点： (x, y, ...) 障碍物 由以下形式的元组表示的与轴对齐的（超）矩形(x_lower, y_lower, ..., x_upper, y_upper, ...) 非轴对齐的（超）矩形或其他障碍物表示形式也应起作用，前提是已更新collision_free和obstacle_free以与新障碍物一起使用。 解析度 分配边的分辨率： q ：距要探测的现有顶点的距离。 r ：沿边缘采样以检查碰撞时用于边缘的离散长度。 较高的数字

优化了障碍物判断函数，运行时间很快

针对人工势场法易陷入局部极小值的缺陷，提出旋转速度矢量角以精确定位逃离点，并将TAS-RRT算法与人工势场算法结合进行动态路径规划。采用人工势场法进行避障规划，当陷入局部最小值时，使用基于速度矢量角度差引导的快速随机扩展树算法调节扩张速度，自适应地寻找逃离点，对RRT算法的采样策略和局部规划器进行改进，使搜索过程快速跳出局部极小值，当采样点的旋转速度矢量角满足条件时，切换人工势场进行规划。仿真实验表明，TAS-RRT算法引导路径快速渐进逃离点，与人工势场结合进行运动规划，能适应环境的变化，控制精度和处理速度得到大大提高。