移动机器人路径规划是机器人研究领域的一个重要的内容。本文根据机器人路径规划最新的算法研究趋势,研究了具有动态障碍物和目标环境的机器人路径规划问题。动态环境下,提出一种融合算法,该方法首先对原有的人工势场法进行了改进,并将改进的人工势场法与粒子群算法相融合,在动态环境下进行路径规划。当机器人陷入极小值区域时,利用逃脱力使机器人逃离陷阱,然后利用粒子群优化算法继续进行路径寻优,保证了移动机器人在实时避开动态障碍物的同时,能够寻找一条最优路径。全文的主要内容如下:1、对全局路径规划进行环境建模,改进栅格编码,确定栅格粒度,使规划算法简单有效。2、静态环境下,本文提出一种改进的人工势场法,当机器人陷入局部极小值点时,该算法能够使机器人有效快速的逃出极小值区域。动态环境下,加入相对速度和加速度,使机器人能够适应动态的环境;提出一种改进的粒子群算法,该算法能够避免提前收敛或过早收敛,能够提高种群的全局开发能力和局部搜索能力,使机器人规划一条相对更优的路径。3、当环境中有固定障碍物、动态障碍物和动态目标点时,本文提出一种改进人工势场法和粒子群融合算法,在人工势场法下,引入一个“逃脱力”,当机器人陷入陷阱时,机器人在“逃脱力”作用下逃离并朝目标点方向移动。之后机器人切换到粒子群算法继续进行路径规划,当目标点移动时,机器人感应到引力确定目标点的方向。对融合算法进行了仿真实验,通过和粒子群算法的对比,表明融合算法实现简单,路径较优,能较好的使用于实际环境。