路径规划是地面移动机器人的控制核心之一,广泛应用在生活中的智能扫地机器人,自动化物流中心的搬运机器人和外星探测器等许多地面移动机器人上。路径规划完成地面移动机器人前往目标的最优路径计算,是地面移动机器人能否完成任务的决定因素,同时路径规划的结果也决定地面机器人在移动过程中的安全性。现在广泛研究和使用的D*Lite路径规划算法具有算法实现简单、原理容易理解的优点,但是现有D*Lite规划出的路径存在对机器人的安全保护不完善的问题,同时规划的路径也需要进一步优化。论文在对A*、LPA*和D*Lite算法学习基础上,研究了算法的安全改进方法和路径优化策略。根据地面移动机器人的运动特点,对现有D*Lite算法进行改进和完善,完成优化的D*Lite算法仿真,并将仿真结果应用在旅行家Ⅱ号地面移动机器人上。首先,介绍现在地面移动机器人路径规划中广泛采用的三种算法：A*、LPA*和D*Lite。分析现有路径规划算法的路径计算方法、搜索原理以及启发式搜索和增量式搜索在路径规划中的应用,完成算法的仿真工作。在对三种算法路径规划思想和仿真结果比较基础上,得出D*Lite算法的从目标位置向机器人当前位置搜索方法更适合地面移动机器人在移动过程中的动态路径规划。其次,针对现有D*Lite算法规划的路径存在穿过障碍物尖角和障碍物结合点的不安全路径,给出路径规划过程中不安全路径的检测和改进方法；在保障路径安全的基础上,分析搜索过的路径,对栅格地图中的复杂障碍物进行临时障碍标记处理,避免在环境变化时不必要的重复路径搜索,提高算法搜索效率；采用反向搜索连接的路径优化方法,取消现有D*Lite算法中转向角度为45度整数倍数限制,对规划的路径进行平滑处理,减少地面机器人移动过程中的转向次数和路径长度,并通过仿真验证了优化的D*Lite算法的有效性。最后,在Visual C++开发环境中编程完成优化的D*Lite算法在实验室环境地图上的路径规划,并在环境地图上添加多个障碍物,验证优化的D*Lite算法在较复杂障碍环境中的路径规划能力；仿真结果表明：优化的D*Lite算法仍然能够在较复杂的环境中规划出路径,同时规划的路径更安全,路径长度减小,平滑度也得到了提高,达到了算法规划路径的安全改进和优化目标。将路径规划的结果导入到旅行家Ⅱ号地面移动机器人上,地面移动机器人在实验室环境中能够按照规划的路径移动,进一步验证优化后算法的安全性和路径优化性。