移动机器人作为新兴的研究领域,在工业、航天、国防和交通等方面协助人类完成众多任务。为了执行这些任务,需要研究移动机器人在不同环境中的路径规划算法与优化问题。目前,已有的路径规划算法还不能同时解决规划效率低、路径非最优、动态避障性能差等问题。因此,本文提出了一种混合路径规划算法,利用快速探索随机树算法(Rapidly-exploring Random Tree,RRT)找到一条全局最优路径,并分别使用动态窗口法(Dynamic window approach,DWA)和时间弹性带方法(Timed Elastic Bands,TEB)算法进行局部优化和动态避障,通过仿真和基于ROS移动机器人的实验验证了算法的可行性与有效性。本文的主要研究工作如下:(1)针对同时定位与地图构建技术(Simultaneous Localization and Mapping,SLAM)构建地图时由于光照变化、移动机器人视角变化等原因,导致构建地图时间长、地图不完整及误差累计等问题,在结合空中视觉和图像处理的基础上,利用栅格法建立室内环境全局地图。(2)为了解决全局路径规划中的RRT算法收敛速度缓慢,采样节点密集,路径曲折复杂等问题,提出了一种改进RRT算法。首先,在偏向区域中快速找到一条初始可行路径,从而减少执行时间,加快收敛速度;同时,利用节点拒绝技术去除高成本节点和无效节点,生成更有前景的树,降低内存需求;最后,遍历初始路径的所有顶点,判断起始点到顶点之间的成本以及是否穿越障碍物,然后修剪其中多余的节点,达到路径优化的效果。仿真结果表明,所提出的方法优于RRT和RRT*方法,并以更少的采样节点和执行时间收敛到更短的路径。(3)局部路径规划方面,分析了 DWA算法和TEB算法的工作原理以及工作流程,阐述了两种算法对应的移动机器人运动学模型和约束函数,并针对传统DWA算法存在的狭窄通道出现振荡、停止及碰撞问题,利用障碍物膨胀处理和状态分级策略改进了 DWA算法,保证了移动机器人运行的安全性。在仿真实验中,无论是基于双轮差速移动机器人模型的DWA算法,还是基于阿克曼转向移动机器人模型的TEB算法都可以有效地避开临时添加的障碍物。(4)混合路径规划算法可以弥补全局路径规划或局部路径规划存在的不足。首先,使用改进RRT全局路径规划算法在全局静态环境下找出一条全局最优路径。其次,对于不同的移动机器人模型分别使用DWA和TEB算法跟踪并优化全局路径,确保移动机器人能够迅速避开动态障碍物。最后,在基于ROS的移动机器人实验平台上使用混合算法完成了室内环境的路径规划任务,避开临时障碍物,顺利到达目标点。综上所述,本文提出的混合路径规划方法搜索速度快、优化效果好以及对环境改变的适应性较强,对移动机器人路径规划问题具有理想的综合性能。