基于改进 PRM 算法的机器人路径规划

来源：计算机技术与发展杂志2024年第02期北京时间：

作者：封澳;杨锦宇;谢玉阳;孙延康;王璇之;肖建*

单位：1. 南京邮电大学 集成电路科学与工程学院,江苏 南京 210023;2. 金陵中学 中美班,江苏 南京 210041;3. 南京邮电大学 电子与光学工程学院、柔性电子(未来技术)学院,江苏 南京 210023

摘要：概率路线图( Probabilistic Roadmap,PRM)算法是移动机器人领域常用的路径规划算法。 针对传统 PRM 算法存在采样点分布不均匀、路线图构建效率低以及路径冗余不平滑等问题,提出了一种改进 PRM 算法。 使用二维 Sobol 序列优化采样策略,保证采样点全局均匀分布,优化采样点的覆盖面积,提高了采样点的质量;其次,对采样点进行邻域分类并施加连接约束,使相邻邻域采样点进行连接,减少路线图的大小,提高了路线图的构图和搜索效率;接着,使用节点平移优化算法优化节点位置,使优化路径符合实际空间中的最优路径;最后,使用贝塞尔曲线平滑路径拐点,使生成的路径更符合机器人的实际运动约束。 大量仿真实验结果表明,改进 PRM 算法可以有效提升规划路径的质量且受采样点数量的影响较小。 相比于传统 PRM 算法和其他改进 PRM 算法,提出的 PRM 算法在路径长度、运行时间和成功率上具有明显优势。

关键词：概率路线图;路径规划;路径优化策略;Sobol 序列;贝塞尔曲线