20世纪以来,随着人工智能领域的快速崛起,人工智能技术开始广泛地应用于机器人领域,智能机器人应运而生。移动机器人作为智能机器人学中最为重要的一个门类,一直以来都聚焦着国内外学者的目光。而作为移动机器人的关键之处,机器人如何“移动”,即如何进行路径规划自然而然成为了研究移动机器人最为关键的步骤。本文针对含有不同状态障碍工作环境中的路径规划问题,提出势场-蚁群融合算法引导移动机器人规划路径,在此基础上,进一步对复杂地形条件下的移动机器人路径规划问题进行研究。主要工作内容如下:（1）传统蚁群算法鲁棒性强,规划效率高,因此在路径规划领域的应用频率较高。但与此同时,全局性较差、收敛速度慢等缺陷也使得蚁群算法规划出的路径往往为非最优解。针对此类问题,本文在启发函数中引入人工势场法的目标点信息,使得目标点在整个规划过程中持续作用,增强了算法的全局性。同时,在启发函数中引入人工势场力信息,使得蚁群在陷入局部极小值时能够依靠此信息逃出,继续搜索;引进最大-最小蚂蚁系统思想来限定信息素范围,能够防止因信息素变化过大而造成收敛速度慢或过快而出现局部最优解。（2）对同时存在全局与局部环境的移动机器人路径规划问题,提出了一种分层路径规划方法,即在路径规划时,根据障碍物的运动状态,分成全局层与局部层分别进行规划。在全局层进行规划时,采用势场-蚁群算法规划路径;进一步地,为了增强所提算法逃出局部极小值的能力,提出一种屏蔽U型陷阱措施,并通过在工作环境中设置多个U型陷阱障碍以检验所提方法的性能。在局部层中,当移动机器人遭遇运动障碍物时,借鉴滚动窗口理论检测环境中的动态障碍物,并调用人工势场法进行局部避障。（3）对路径规划结束后输出的最优路径,引入三次B样条算法进行优化处理,能够有效地平滑路径尖峰,减少机器人在运动过程中由于行走不流畅造成的能量损耗。（4）围绕传统路径规划中未考虑地形因素而引起的移动机器人能耗过多问题,通过假设移动机器人工作环境为非完全平坦地形,提出一种有多个地形约束条件下的移动机器人路径规划方法。为了表示不平坦地形环境,定义了一种2.5维栅格地图,引入半自由栅格与半障碍栅格的概念,并扩增原可通行性系数范围以便移动机器人识别。然后,通过综合地面高差、地面坡度、地表粗糙度三种非平坦地形因素设计总代价函数,将其与可通行性系数对应,从而判断栅格区域是否可行。（5）在MATLAB仿真平台上搭建实验环境,实验证实了所提方法的有效性与可行性。