【运动规划算法项目实战】基于采样的路径搜索算法（附ROS C++代码）

---

前言

路径规划是机器人和自动驾驶等领域中的核心问题之一。通过选择合适的路径，机器人能够安全高效地从起点到达目标点。其中，基于采样的路径规划算法是一种常用且有效的方法。本文将重点介绍Probabilistic Roadmap（PRM）和Rapidly-exploring Random Tree（RRT）两种基于采样的路径规划算法。我们将深入探讨它们的原理、优缺点、代码实现，以帮助你了解它们在路径规划中的应用和优势。

---

一、Probabilistic Roadmap（PRM）

1.1 PRM算法原理

Probabilistic Roadmap（PRM）算法是一种基于图的路径规划算法。它通过在配置空间中随机采样一组节点，并使用障碍物信息筛选出有效采样点。然后，通过连接有效采样点的边来构建一个图结构。最后，通过应用图搜索算法（如Dijkstra或A*）来找到起点到目标点的最优路径。

PRM算法的基本步骤如下：

1. 随机采样一组节点，并过滤出有效采样点；
2. 对有效采样点进行连接，构建图结