路径规划是移动机器人实现自主导航的核心技术之一,保证了移动机器人高效、安全、自主地完成任务,已成为机器人领域的研究热点。目前,针对全局静态环境下移动机器人路径规划的研究较成熟,而对于部分未知环境下移动机器人路径规划研究还有待补充和完善。本文基于全局静态环境已知但存在部分事先未检测到的静态或动态障碍物的室内环境对移动机器人路径规划问题进行分析,提出一种混合路径规划方法。针对路径规划所需的较高精度环境地图,本文为解决传统Rao-Blackwillized粒子滤波算法运行时间长、提议分布精度不高以及重采样过程粒子退化的问题,将量子粒子群优化(QPSO)算法引入到Rao-Blackwillized粒子滤波算法,提出一种QPSO-RBPF-SLAM算法。该算法在基本提议分布中加入观测信息,在重采样中根据QPSO算法更新粒子位姿,对高低权值粒子进行自适应交叉变异操作。通过仿真实验,验证了该算法保持粒子的多样性,有效缓解粒子退化,能够获得较高精度的地图。下一步,在获得的高精度环境地图的基础上对移动机器人进行路径规划研究。针对全局已知的静态环境,对QPSO算法在路径规划时存在“早熟”以及陷入局部最优的不足,提出一种改进QPSO算法,即在QPSO算法的基础上引入自适应局部搜索策略和交叉操作。通过不同算法下的仿真实验,验证了该改进QPSO算法性能较于其它算法更有优越性。针对部分未知的环境,阐述了一种基于Morphin算法的局部路径规划方法。借鉴滚动规划的思想,构造滚动窗口,根据移动机器人自身携带的传感器感知周围环境信息,对检测到的障碍物进行识别和分析,采用Morpin算法对移动机器人会与之发生碰撞的静态和动态障碍物进行避障处理。通过仿真实验,验证了该方法能使移动机器人有效地避开未知环境下突现的动静态障碍物。本文结合全局路径规划和局部路径规划各自的优点,提出了一种基于改进QPSO和Morphin算法的混合路径规划方法。采用改进QPSO算法规划出一条全局最优路径,移动机器人沿着全局路径移动,当检测到未知障碍物时,调用Morpin算法避开障碍物并回到全局路径上继续移动。利用旅行家II号移动机器人搭建基于ROS的实验平台,进行混合路径规划实验。通过仿真实验和实际应用,验证移动机器人在全局路径的基础上对突现的障碍物有效地实现避障,完成路径规划。