现有局部路径规划算法仅实现了移动机器人在场景内自由移动，但局部路径生成并未考虑场景内道路限制，对于一些规则化的结构道路并不适用。OpenPlanner算法很好地解决了该问题，但传统OpenPlanner算法规划的局部路径不满足移动机器人最大转向曲率约束而无法被移动机器人有效跟踪。针对上述问题，从状态采样和评价函数2个方面对传统OpenPlanner算法进行改进，并将改进OpenPlanner算法用于移动机器人局部路径规划。在状态采样阶段，通过设计双层局部路径簇来扩大最优局部路径解空间，其中首层局部路径簇入段纵向采样距离与行驶速度呈分段线性关系，次层局部路径簇入段纵向采样距离为首层局部路径簇的1.5倍；在路径筛选阶段，将路径曲率代价（由局部路径上各采样点曲率求和得到）引入评价函数，确保局部路径簇满足移动机器人的最大转向曲率约束，从而使局部路径被移动机器人所跟踪。实验结果表明：与传统OpenPlanner算法相比，改进OpenPlanner算法筛选的最优局部路径转向更加平缓，在无障碍物、有障碍物场景下平均曲率分别减小了31.3%，6.2%，且局部路径能够被移动机器人较好地跟踪。

0 引言
1 传统OpenPlanner算法
1.1 状态采样
1.2 局部路径簇生成
1.3 最优局部路径筛选
2 改进OpenPlanner算法
2.1 状态采样改进
2.2 评价函数改进
3 实验与分析
4 结论