移动机器人作为现今热门的研究领域,在社会生活中得到了广泛的应用。本文研究移动机器人在复杂地图中的路径规划问题。针对现实环境地图中不同区域的障碍物分布存在差异的情况,提出一种基于不同障碍物分布特性的快速扩展随机树（Rapidly-exploring Random Tree,RRT）路径规划算法,在此基础上进一步融合优化蚂蚁系统以更好地完成规划,得到高效可行路径。本文主要工作如下:首先,论文提出一种基于环境分区的目标偏置RRT算法（RRT algorithm of target bias based on environmental partition,TEP-RRT）。对环境地图按区域内障碍物多少,分为空旷区域和复杂区域。参考人工势场法的目标指向性思想,引入带权重的目标偏置扩展策略,与自适应随机树扩展步长相结合。随机概率采样策略使新节点根据所处环境选择扩展点生长方向:在空旷区域中,偏向目标点的方向生长,以快速穿过该区域;在复杂区域中,偏向随机点方向生长,以避开障碍物,提高随机树扩展成功率。其次,提出基于优化蚂蚁系统的TEP-RRT路径规划算法。利用TEP-RRT算法规划出的路径节点信息,改善蚁群初始信息素的分布,并提出同环境地图相结合的信息素积累策略,使蚁群系统更高效地收敛到最优路径;在此基础上,通过跳点筛选,去除路径中的冗余节点,优化路径长度,采用B样条策略对障碍物附近路径进行平滑处理,得到满足机器人运行要求的最优路径。最后,在MATLAB中构建不同区域组合的环境地图,对改进后的TEP-RRT算法进行仿真实验,基于ROS实验平台对本文所提方法进行实景验证。仿真和实验验证结果表明,基于优化蚂蚁系统的TEP-RRT算法具有优越性。