近年来,随着人工智能、视觉计算、传感器等相关领域的快速发展,移动机器人可通过各部分协同合作完成指定任务,导航技术也受到许多研究学者的关注。而路径规划作为研究导航技术的关键点之一,一直受到国内外学者的关注。依据不同的评价准则,设计的路径规划算法大有不同,路径规划算法在存有障碍物的环境地图中,搜索出一条从起始点位置到目标点位置的无碰撞路径,是路径规划的基本任务。本课题首先分析了几种较为典型的传统算法,并对其设计思想进行简单描述,并用Matlab进行仿真实验,根据仿真结果总结传统算法的优缺点,为了处理紧急状况下的路径规划问题,对快速扩展随机树算法（Rapidly-exploring Random Tree,简称RRT算法）和连接型双树RRT算法（RRT-Connect）进行了深入研究,依据运行时间最短、规划路径较平滑的评价标准,提出了两种改进算法,具有加快收敛时间,提高规划稳定性的优点。处理紧急状态下的路径规划算法,尽可能缩短收敛时间,为此选用基于采样的算法进行改进算法的设计,本文的主要工作可简要概括为两个部分。（1）基于快速扩展随机树算法（RRT）的改进算法设计。本文以基于RRT算法的随机采样扩展思路为基础,增加目标点位置对RRT搜索树扩展节点的引导,使其搜索树的生长方向趋向目标点位置扩展,提出一种基于RRT算法的改进算法（RRTw G）。该算法降低了扩展节点的随机性,并且提高了路径稳定性,减少了无用扩展节点的生成;另外,针对轮式移动机器人,其转向轮需要满足最大拐角约束,向RRTw G算法中加入拐角约束判断,在实际应用中,可提高机器人路径跟踪的响应速度。通过与传统算法和基本RRT算法比较,在同一场景中进行多次仿真,验证了RRTw G的优化能力。（2）基于连接型双树RRT算法（RRT-Connect）的改进算法设计。为提高RRT-Connect的稳定性,保留其快速收敛性,并用于处理紧急状态下的路径规划问题,借鉴RRTw G的改进思路,改变RRT-Connect算法中T_init搜索树的扩展方式,保留RRT-Connect的双向搜索特点,提出一种基于RRT-Connect算法的改进算法（RRTw G-Connect）。该算法不仅能有效的避开障碍物,还能以更快的速度搜索到可行路径,且路径质量更高;同时考虑轮式移动机器人的拐角限制,向RRTw G-Connect算法中加入拐角约束,使RRTw G-Connect算法在较短的时间内,找到更加平滑的路径,提高了规划算法的可行性。在不同场景中,通过与基本RRT-Connect算法的实验数据进行对比分析,验证了RRTw G-Connect的可行性。