新世纪以来,随着社会和科技的迅猛发展,人们试图通过全自动的智能机器人来替代人类劳作,服务于人类的生产生活。在各个工厂上的搬运机器人以及家庭智能服务机器人,更是处于研究中的前沿。而要解决智能机器人在工厂、家庭等基本环境固定不变的同时存在小部分未知环境发生不可预知的半结构化室内环境下的路径规划问题,则是研究中不可避免的重点问题。对于移动机器人在路径规划方面的研究最早出现在上个世纪七十年代左右的国外,而国内相关的研究则要晚于国外,截至目前,各国在该领域的研究已有不少成果,但是尚未达到最终设想的结果,因此始终有必要不懈地努力进行这方面的工作研究。早期的移动机器人路径规划研究主要基于外界环境信息完全可知且已知的条件下进行,即在结构化的环境下找出一条从起始点到目标点的满足某些约束条件下可行的最优或次优路径,它没有设定不可预知的障碍物阻碍机器人的行进,因此只能在特定的少数人工设定的环境下实施,对环境的适应能力太低,其准确率也有限。近几年,研究开始转向多种算法以及多种复杂环境,通过提出新的算法、改进算法提高准确率,同时还探讨有障碍物阻碍移动机器人运动的路径规划研究。但是,即便引入了障碍物,很多研究所探讨的仍不够深入,且障碍物简单,环境也比较特定,同样仍存在适应不同环境能力不高的特点。通过对现有机器人路径规划算法的研究,本文提出了一种改进自适应遗传算法与现有RRT*算法结合的算法进行路径规划,通过对每一代种群进行子代筛选,直接剔除少数极不适应个体,模拟更真实的生物遗传特性,同时自适应改变交叉突变率,改善了基于传统遗传算法的收敛速度慢、易陷于局部最优的特点,在移动机器人沿着初始规划的路径运动的过程中实时采用双目摄像头采集周围信息并转化为二维栅格图。用RRT*算法进行重规划,对途中遇到障碍物的情形进行讨论分析,选定局部规划的起点和终点,针对不同的情形做出相应的避障决策,从而解决途中遇到移动障碍物的避障问题,使得规划路径更有效、更能适应环境的变化。通过分析多元机器人团队在半结构化环境下的任务以及遇到的情形,探讨它们的信息共享过程,同时在运行过程中进行合作避障决策。从而使得半结构化室内环境下路径规划更为完善。