基于概率路线图法的窄道采样与轨迹优化

提出一种结合莱维飞行和概率路线图法(Lévy-probabilistic roadmap,LPRM)的路径规划算法。将莱维飞行方法应用于窄道采样,障碍物中的随机点通过莱维飞行走至自由空间,并延长碰撞测试来确保采样点位于窄道内,提升狭窄区域的采样质量与效率;为避免大量无效点的生成,在采样前先对地图进行预处理,膨胀障碍并对其进行边界提取,根据边界信息计算狭窄区域采样点数量,保证了全图采样的合理分布;进一步考虑移动机器人的实际工作情况,采用分段贝塞尔曲线对路径轨迹进行优化使其符合运动学约束,提高移动机器人的机动性。仿真实验在不同环境地图下对比了LPRM、传统概率路线图(PRM)和桥测试3种算法,结果表明LPRM算法相较两者在单一窄道环境下规划效率分别提升35.1%和32.2%,在复杂环境下其规划效率分别提升32.9%和15.5%,且提前400和100个采样点达到收敛,规划效率和成功率显著提高,总体耗时更短、路径更优,能减少移动机器人本身的能耗,提高整体工作效率。