本论文主要研究室内障碍环境下移动操作臂的运动规划算法。其中室内环境是基于一个真实的网格地图构建的，并最终被表示为多边形集合。移动操作臂采用Pioneer3DX机器人的模型。快速扩张随机树(RRT）算法是当前最先进的运动规划算法，尤其适合处理微分约束，然而仿真结果表明，直接在构建好的室内环境地图里执行RRT效果并不好，因为室内环境通常被划分为房间、门廊和走廊，任务可能涉及要穿过好几个房间，任何贪婪或有偏向的策略都将不可避免的导致在不必要的方向探索。为了克服这个问题，本文提出了两种新的方法。第一种方法(Topological-RRT）试图构建拓扑地图来指导低层采样。该方法的主要贡献在于构建拓扑地图的过程，即通过图像处理技术和洪水填充法来分割得到拓扑节点以及建立他们之间的连接。第二种方法(Zone-RRT）利用空间中的空区域来指引低层规划，一个这样的区域表示一个无碰的矩形空间，首先通过构造区域图在全局层面找到一条可行路径，然后在毗邻区域中执行修改后的Biased-RRT。同其他的利用工作空间信息来引导探索的方法相比，该方法不需要依赖环境分解，而是通过随机采样和碰撞检测技术来实现引导。仿真结果表明，上述两种方法均显著提高了运动规划的性能。