移动机器人自主导航技术处于当前科学研究领域的前沿,在生活、生产和军事等方面都有着广泛的应用。而路径规划是移动机器人实现自主导航的关键技术之一,可分为环境信息已知的全局路径规划和根据传感器获得环境信息的局部路径规划。在实际应用中,由于场景复杂多变,单独使用全局路径规划或局部路径规划难以满足实时性和完备性的要求。因此,本文结合全局路径规划和局部路径规划实现了一种基于改进A*算法和改进动态窗口法的混合路径规划,以得到更优的路径规划效果。在全局路径规划方面,本文针对传统A*算法搜索耗时长、转折角度大以及规划出的路径曲率不连续等问题,提出了一种改进A*算法。首先,将一种双向交替搜索策略引入传统A*算法,正向和反向路径列表各自以对方列表中的当前路径点为目标点交替搜索路径直至相遇,提高了算法的搜索效率。然后,采用指数衰减的方式对启发函数进行加权,克服了双向交替搜索A*算法的缺点。最后,引入了筛选关键路径点函数,减少路径中的冗余点,有效减小了路径转折角度,并通过贝塞尔曲线对筛选后的路径拟合,得到平滑路径。在局部路径规划方面,本文针对传统动态窗口算法存在容易陷入局部最优和对复杂环境缺乏灵活性的缺点,提出了一种改进动态窗口算法。该方法将模糊控制与传统动态窗口算法结合,设计了一个两输入三输出的模糊控制器,实时控制动态窗口法轨迹评价函数中目标方位角评价函数、障碍物间隙评价函数和速度评价函数的权重,提高了算法对不同动态场景的适应性。基于上述两种算法,本文实现了一种基于改进A*算法和改进动态窗口算法的混合路径规划方法,解决了全局路径规划无法避开动态障碍物以及局部路径规划容易陷入局部最优的问题。为验证该方法的有效性,通过MATLAB平台搭建多组仿真实验场景,进行了静态环境和动态环境的仿真实验,验证了混合路径规划方法的可行性。并且,基于Gazebo平台搭建了模拟真实物理环境的仿真实验,对混合路径规划方法的有效性做了进一步验证。最后,利用Turtlebot3 waffle pi实验平台构建了实际场景地图,并验证了移动机器人利用该混合路径规划方法在静态、动态环境下进行路径规划的有效性和可行性。综上所述,本文针对传统A*算法的不足,通过改进A*算法提高了算法规划路径效率并得到了更平滑的全局路径;针对传统动态窗口算法的不足,提出改进动态窗口法增强了算法对不同动态场景的适应性;在此基础上,实现了基于改进A*算法和改进动态窗口法的混合路径规划方法,以完成复杂动态环境下的路径规划任务。仿真实验结果和实际实验结果表明,本文所提出的混合路径规划方法能解决复杂动态场景中的路径规划问题,于移动机器人自主导航研究有借鉴意义。