智能移动机器人自身运动路径的规划是其完成任务的基础。本文主要对实际应用中最常用的两种路径规划算法栅格法和概率路标法(PRM)进行研究,对两种算法进行设计和实现,并在实验的基础上对两种方法进行对比分析,最后对PRM法进行优化处理。首先对栅格法进行路径规划的基本原理进行分析,根据其对环境信息的描述是精确描述还是近似描述进行分类,并总结其特性。同时详细阐述了几种常用路径搜索算法(贪心算法,Djikstra算法,深度优先算法,广度优先算法和启发式搜索算法)的基本原理,然后对用栅格法进行路径规划的设计实现过程进行了详细的介绍,其中包括栅格法的环境模型设计,栅格尺寸的选取,栅格的标识,栅格的信息编码,路径搜索算法设计等问题的介绍,并进行了软件仿真实验,验证了本文设计的算法的正确性和有效性。对PRM算法进行路径规划的基本原理进行分析,对PRM算法进行路径规划的设计实现过程进行详细的介绍,主要包括对概率地图的构建过程及设计过程涉及的采样策略和合理性检验的方法等问题的介绍,最后进行软件仿真实验,验证本文设计的PRM算法的正确性和有效性。在分别利用栅格法和PRM法进行路径规划设计实现的基础上,通过几组仿真实验,对两种规划方法进行对比分析。首先归纳出两种方法均属于基于图论的路径规划方法,都是将环境信息几何化,转换成图的问题,利用图的形式对环境进行建模。然后在相同的规划环境条件下,对两种规划方法消耗的时间和空间的代价方面(搜索时间、存储空间、路径质量等)进行对比分析。PRM法和栅格法在占用相同的存储内存和路径搜索时间的前提下,对两种方法的环境适应性进行对比分析。最后通过对路径规划算法评定标准的总结,对PRM法和栅格法的特性进行比较,得出两种算法各自的优缺点,同时指出了对PRM算法进行优化的必要性。最后对PRM算法进行优化处理,通过实验得出采样点的分布是影响PRM算法规划的成功率和规划的路径的是否理想的主要影响因素,因此好的采样策略是至关重要的。介绍了采样点的散布度量标准(低离散率采样和低差异性采样),指出了伪随机采样的有效性以及在运动规划中如何将采样的两种方式交替使用是非常重要的。采用了满足低离散率和低差异性的介于确定性和完全随机之间的伪随机的采样策略,保证了采样点分布的均匀性。针对图中的自由空间内不连通而实际上是连通的区域,利用基于椭圆的节点增强策略对路标地图进行节点增强,增强了地图的连通性,提高了路径的优化性。最后对优化策略进行实验仿真,验证了其有效性。