基于改进PRM_算法的移动机器人动态避障与路径规划研究.pdfVIP

摘要

在机器人路径规划领域，随着机器人技术的快速发展，如何在复杂环境中高

效、准确地规划路径成为一个重要的研究课题。尤其是在复杂的动态环境中，路

径规划算法不仅需要考虑路径的最优性，还需具备动态避障能力。概率道路图算

法（ProbabilisticRoadmap*，PRM*）作为一种广泛应用的全局路径规划方法，其

随机采样点的选择直接影响生成路径的质量。尽管增加采样点可以提升路径质量，

但同时会增加冗余采样点，延长收敛时间并降低计算效率。动态窗口算法

（DynamicWindowApproach，DWA）能有效躲避动态障碍物，但路径拐点较多

且容易陷入局部最优的问题。为了解决上述问题，本文提出了一种改进PRM*算

法与改进DWA算法结合的融合路径规划算法，以快速规划出最优路径的同时保

证动态避障，并在ROS(RobotOperateSystem)中完成导航验证。本文的主要内容

与创新点包括：

（1）针对PRM*算法在复杂环境中存在的采样范围过大、随机采样点利用

率低和收敛时间长的问题，提出一种基于限制区域采样和懒惰碰撞检测的改进概

率路线图算法（TopologicalDiscriminationandLazyCollision,TL_PRM）。该改进

算法通过构建拓扑空间、限制区域采样、改进懒惰碰撞策略、采用环层连接、节

点重连以及三阶贝塞尔曲线平滑路径等多阶段优化，显著减少了冗余采样点的生

成，并增强路径导向性，从而在复杂和特殊环境中有效找到最优路径并实现快速

收敛。

（2）针对DWA算法在处理不同类别障碍物时设定一致的避让距离和无法

灵活调整偏转角的问题，提出一种动态避障策略与扩展动态窗口综合评价函数的

方法，使移动机器人能够避开动态障碍物的同时更加迅速和平稳地抵达目标点。

该改进算法通过卡尔曼滤波器预测障碍物轨迹，判断动态障碍物的类别，并根据

环境特点采取对应的位姿调整策略。在密集障碍物的环境中引入舒适度函数

()

,，将避让区域划分为舒适区域和禁止区域，以避免产生不必要的避障

动作，从而快速平稳地到达目标点。

（3）针对全局路径规划PRM*算法缺乏避障能力，以及局部路径规划DWA

算法无法找到最优路径的不足，采取融合改进PRM*算法与改进DWA算法各自

的优点，使机器人在动态避障的同时尽可能沿最优路径移动。机器人以TL_PRM

I

万方数据

算法规划出的最优路径作为参考路线，将最优路径上的关键节点提取为临时节点

表以引导改进DWA算法的前进方向，在移动过程中采用改进DWA算法避开动

态障碍物直至安全到达目标点。

（4）本文通过Matlab2024a搭建仿真环境，对融合算法在复杂静态地图、

回绕型地图、双窄道型地图和复杂动态地图中的可行性进行了验证。将融合算法

移植至ROS操作系统，扫描周围环境建立地图全貌，通过Rviz可视化平台进行

路径规划实验。最后基于智能冰达小车的实际测试，验证融合算法在真实环境中

的可行性。

关键词：移动机器人；路径规划算法；概率通道图算法；动态窗口算法；ROS

II

万方数据

improvedalgorithmpredictsobstacletrajectoriesusingaKalmanfilter.Itdetermines

thecategoriesofdynamicobstaclesandadoptscorrespondingposeadjustment

strategiesbasedonenvir