随着机器人和无人驾驶技术的发展,该研究领域的热门问题之一的路径规划问题受到越来越多的学者的关注。路径规划的问题可以抽象为从起始点到目标点的优化问题,其约束条件为在避免与障碍物产生碰撞的情况下考虑时间、距离、算法复杂度等问题。目前,关于路径规划研究的算法不胜枚举,其中A~*算法和人工势场算法在路径规划问题中被广泛应用,他们具有稳定、易于实现等优势,但同时也有一定的局限性,本文针对这两个算法的不足以及国内外学者的改进方式的特点,选取了PRM算法为研究对象,对PRM算法进行改进,通过搭建仿真环境以及移动机器人平台,能够较好地弥补A~*算法和人工势场算法的不足,同时在固定的室内环境中,改进后的PRM算法取得了较满意的实验效果。具体的研究内容如下:(1)对传统的A~*算法和人工势场算法进行分析,介绍了这两个算法的基本原理、优势和局限性。针对A~*算法每次给定目标点都必须重复计算所有经过节点的代价值,以及人工势场算法产生局部最优解和不可达的局限性,详细阐述了采用PRM算法的可行性。(2)介绍了PRM算法的基本原理并对其优势及局限性进行分析。针对PRM算法随机选取采样点和搜索路径算法效率低以及连接的路径不平滑等局限性,提出了基于人工势场的采样策略,并采用双向的A~*搜索算法提高路径的搜索效率,以及利用改进的三阶参数样条插值算法对路径进行平滑处理的解决方案。(3)建立仿真和真实的移动机器人平台,通过实验结果分析验证算法的可靠性。本文研究的创新之处可以归纳为:在固定的室内环境中,在PRM算法的构造路径图阶段,通过在障碍物周围引入人工势场模型来构造采样点,在空白区域采用均匀采样;在PRM算法的搜索阶段采用双线程的双向A~*搜索方法提高算法的搜索效率,改进的PRM算法弥补A~*算法以及人工势场的不足,最后利用三阶参数样条插值算法弥补PRM算法规划的路径不平滑的缺陷。