随着机器人技术的快速发展,对移动机器人路径规划问题、导航问题、定位问题的研究提出了新的挑战。围绕路径规划问题,日趋复杂的应用场景,对机器人规划算法的要求不断提高。单一的规划算法已不能满足机器人在真实工作环境中的需求。针对此问题,本文以QBot2移动平台为研究对象,围绕移动机器人的全局轨迹规划问题、多移动机器人局部避障问题、复杂环境下移动机器人混合轨迹规划问题这几个方面展开研究。首先,分析了QBot2移动平台的非完整约束,建立了QBot2移动平台的运动学模型。围绕移动机器人全局轨迹规划问题,分析了快速搜索随机树（Rapidly exploring random tree,RRT）算法的基本理论与不足。提出了一种分级随机采样弱随机RRT算法,结合快速限幅反馈控制器,将路径转换成符合移动机器人运动学模型约束的位姿轨迹,从而实现移动机器人全局轨迹规划。仿真结果表明分级随机采样弱随机RRT算法在面对狭窄环境时能保证较高的搜索效率,快速限幅反馈控制器生成的位姿轨迹满足移动机器人的运动学模型约束,各轨迹参数严格满足其物理模型的约束。其次,针对移动机器人动态规划问题,分析了最优碰撞避免算法（Optimal reciprocal collosion avoidance,ORCA）的基本理论与其在应用场景中的限制与不足。提出了实时-恒速-ORCA算法,考虑移动机器人的等效物理模型,结合轨迹推算策略,并改进了ORCA算法中避免碰撞速度集合的计算方法。仿真与实验结果表明实时-恒速-ORCA算法克服了“死锁”问题与其他限制条件,并且能够在动态环境下实现多移动机器人的局部轨迹规划。最后,围绕动态环境中移动机器人轨迹规划问题展开研究。分析了动态窗口法的基本原理与其在机器人导航中的不足并提出了基于多级虚拟目标的动态窗口法,所提算法能够实现移动机器人在偏离全局轨迹时的轨迹恢复。并设计了一种动态环境中多移动机器人混合轨迹规划算法,算法可在动态环境中满足多个移动机器人的全局轨迹规划、实时避障规划与轨迹恢复。仿真与实验表明所提混合规划算法能够在动态环境中保证移动机器人安全无碰撞的抵达目标区域,具有较高的可靠性。