鉴于采样的完全随机性,传统PRM算法往往较难适用于具有狭窄通道工作环境下的机器人路径规划.为此,本文提出了一种融合全局目标导向采样、局部节点增强的改进概率路图法(Improved　PRM),并将其应用于平面栅格地图场景及六自由度机器人的路径规划.首先将全局目标导向采样与随机采样有机结合,通过混合采样的方式来提高全局采样点落在狭窄通道内的概率,实现启发式地图增强;其次,经由节点权重思想对位于狭窄通道中的节点进行提取,并利用基于高斯分布的局部节点增强策略在狭窄通道中扩展新节点,增强地图连通性,以提高路径规划的成功率;最后,采用冗余节点剔除策略对算法规划的初始路径进行优化.Improved　PRM算法在平面栅格地图中的仿真结果表明,该算法对于机器人路径规划的成功率可达89.3％以上,且综合评价指数及路径质量评价指数均高于其他算法;在六自由度机器人的仿真实验中,Improved　PRM算法得到的平均路径代价比传统PRM算法降低约42.7％,成功通过狭窄通道概率也比传统PRM提高68个百分点.因此,相比文中所提其他算法,在具有狭窄通道的工作环境中,改进概率路图法在提高路径规划成功率、减少路径节点、保证路径质量等方面具有优势.