基于改进LGM-BRRT^(*)的移动机器人路径规划算法

摘要

针对快速探索随机树(RRT^(*))在复杂环境下收敛速度缓慢、算法开销大等问题,提出一种改进的LGM-BRRT^(*)算法。该算法引入桥接测试和基于本地的搜索策略解决RRT^(*)的收敛速度缓慢问题。在此基础上,引入本地桥接点目标导向策略,并在扩展新节点时引入目标偏向技术以进一步提高收敛速度,减少算法开销。同时,加入考虑移动机器人安全性的路径优化策略,以缩短路径。最后通过仿真实验,验证该算法在不同环境下的收敛性。