一种基于改进RRT-STAR的强受限环境下移动机器人路径规划方法

本发明公开了一种基于改进RRT‑STAR的强受限环境下移动机器人路径规划方法，属于智能机器人导航与路径规划技术领域，主要包括：步骤一、初始化，构建空间索引结构；步骤二、通过密度感知调整机制和混合采样策略实现高效路径规划；步骤三、对步骤2生成的路径进行优化。本发明通过密度感知与风险度场加权采样机制实时评估局部障碍物密度和环境风险，自适应调节采样偏置概率与扩展步长，并在目标优先、局部自适应与全局均匀三种采样模式之间动态加权融合，实现全局探索与局部优化的平衡；引入可调节的曲率连续性与jerk限幅软性约束，借助Clothoid分段插值进行局部优化，生成满足C²连续、速度、最小转弯半径等动力学要求的可执行轨迹提升路径平滑度和整体质量。