随着移动机器人应用技术的不断成熟,其被越来越广泛地应用于人们的日常生活和生产中,但同时也对机器人的各方面性能有了更高的要求。路径规划作为机器人研究的关键技术之一,对于机器人工作的安全有效性产生直接的影响。本文在含有未知移动障碍物的环境下,对室内移动机器人动态路径规划问题展开研究,提出了一种改进的A~*势场法,将A~*算法与人工势场法进行改进与融合,解决了人工势场法的路径震动及无法处理动态障碍物的问题,并实现全局路径最优。最后设计并搭建了实验平台,对动态路径规划算法进行验证,实验结果证明了本文改进算法的有效性。本文主要工作内容包括:(1)针对A~*算法寻路过程中计算量较大而导致的时间和空间利用率低,以及其规划出来的路径转折点较多的问题,提出了两种节点删减的搜索方法,通过对传统A~*算法的预处理,筛选出合适的节点并删除不必要的节点,对总节点的访问时间减少了约42.45%,提高A~*算法搜索效率;并通过可视点检测的方法优化了路径质量,使得路径更加平滑自然。(2)提出了一种引入相对位置和相对速度的改进算法,使机器人能够在接近目标的同时斥力场实时减小,避免因局部极值导致的目标点不可达现象发生,并且能够基于移动障碍物的相对速度进行实时避碰,改善了传统人工势场法缺乏实时性,以及易陷入局部极值的缺陷。改进势场算法较传统势场法路径长度减少了约11.1%,运行时间减少约12.9%。(3)对改进A~*算法与改进势场法进行融合,通过模拟人类寻路逻辑,先采用改进A~*算法进行全局最优路径规划,当移动机器人进入动态障碍物影响范围时,转换为改进势场法进行实时动态避障,同时以A~*算法所规划的路径作为动态目标进行实时追踪,完成全局路径规划。通过仿真验证了该算法的可行性,能够有效减少路径总长度、降低累计转角、改善路径质量。(4)对动态路径规划实验的硬件需求进行分析,设计并搭建了以STM32作为主控板的轮式移动小车,选取激光测距传感器作为环境传感器,并将环境信息转换为坐标信息。将本文算法在机器人小车上进行了实验验证,实验结果证明了本文算法的有效性和可靠性。