随着机器人领域相关技术日趋成熟,移动机器人如今已经应用到各个行业,如工业、国防、教育、太空和家庭等领域。由于机器人所处环境的复杂性和动态障碍物的不确定性,机器人能否在环境中快速的找到一条安全的最优路径问题成为机器人领域的重点研究问题。本文主要对静态环境和动态环境下的机器人路径规划算法进行研究,并搭建了基于机器人操作系统（Robot Operating System,ROS）开发平台的四驱移动机器人路径规划系统平台,对本文算法进行验证。本文主要工作如下:（1）针对A-star算法搜索效率和搜索路径过程中的冗余节点问题,本文设计了一种更加合理的启发函数,并引入了目标加权因子。改进算法在扩展新节点过程中有效减少了路径搜索过程中的节点数量,提高算法搜索效率。本文通过在简单环境和较为复杂环境对算法进行仿真实验,仿真结果表明,在简单环境下,改进A-star算法在搜索时间上降低38%,在路径长度上缩短2.1%;在复杂环境下,改进A-star算法在搜索时间上降低31%,在路径长度上缩短了3.2%。（2）针对RRT算法随机采样问题,由于RRT算法在环境空间内进行随机采样,在同一环境中多次进行路径搜索存在路径不相同情况,甚至算法因为迭代次数过少而搜索不到可行路径。本文对RRT算法搜索策略进行改进,将随机采样改进为区域采样,进一步限制RRT算法的采样区域,并通过重新选择父节点优化路径。本文通过在简单环境和较为复杂环境对算法进行仿真实验,仿真结果表明,在简单环境下,改进RRT算法在搜索时间上降低24%,在路径长度上缩短6.9%;在复杂环境下,改进RRT算法在搜索时间上降低29%,在路径长度上缩短7.8%。改进算法能够减少算法的采样随机性,提高搜索效率。（3）针对动态环境下路径规划问题,本文对动态窗口算法（Dynamic Window Approach,DWA）从算法原理进行分析,并进行仿真实验和实际环境测试,实验结果表明DWA算法能够满足动态环境下机器人的实时动态避障需求。（4）设计并实现了四驱移动机器人路径规划算法验证平台,首先通过Gmapping算法对室内环境构建二维栅格地图。然后针对移动机器人在动态环境下路径规划问题,本文将DWA算法引入机器人路径规划导航框架,将改进A-star、RRT算法分别与DWA算法相融合,并移植到四驱移动机器人路径规划算法验证平台。最后,通过实际室内环境路径规划试验证明了本文融合改进算法在静态环境和动态环境下的有效性,整体系统较为稳定,具有一定的应用价值。