移动机器人以其灵活、形式多样的特点受到社会各界的关注,并在各领域内都得到了广泛的应用。对于智能移动机器人而言导航功能必不可少,而路径规划在导航系统中占据重要地位,它影响机器人整体导航的效果,很大程度上决定了导航过程的效率。在导航过程中,机器人除了需要面对静止的障碍环境还要处理动态的不确定障碍物,而现有的规划方法在该方面还有不足之处。为此,本文以移动机器人为研究对象,针对现有方法对静态及动态环境下机器人的路径规划算法提出改进,分别从全局和局部角度对局部极值、移动障碍物避障等问题提出解决方案。在此基础上,基于ROS搭建机器人仿真平台,利用Turtlebot3 Burger针对改进后的规划算法进行实验,验证了算法的有效性。首先,在全局规划层面,针对传统人工势场法中出现的目标点不可达问题,采用增加引力系数的方法使路径接近终点时斥力势场逐渐减小。对于局部极小值问题提出了自适应子目标点的方法,通过引入障碍势场函数的概念使机器人在陷入极值时选择合适的位置逃逸至子目标点,最终重新规划至终点。考虑人工势场中参数无法适应环境的情况引入粒子群优化算法,将路径长度和平滑度作为适应度函数解决了局部极值问题,得到了更为平滑且更短的全局路径。其次,在局部规划层面,通过在代价函数中加入跟随全局路径的方法解决了动态窗口法中的局部极值问题。对于动态窗口法不能及时躲避移动障碍物的问题,引入模糊控制思想,建立针对移动障碍物的危险评估系数动态调整实时规划的策略。根据移动障碍物与机器人的相对速度关系,设计动态窗口法模糊控制器,避免机器人发生碰撞或是陷入无法继续规划的情况。再次,为了验证规划算法的有效性,在ROS机器人操作系统下利用Gazebo搭建仿真试验环境。通过SLAM构建了仿真地图,采用Turtlebot3 Burger模型在静态和动态环境中进行仿真实验。在原有全局规划A*算法的基础上进行方向扩展提升了路径的平滑度,减少了冗余轨迹。在规划过程中临时加入Gazebo障碍物模拟动态环境,机器人通过传感器数据在动态窗口法的作用下成功重新规划避障轨迹。最后,分别在实验室中设计动静态环境,利用Turtlebot3 Burger对提出的改进算法进行验证。通过工作空间覆盖机制测试改进A*算法,结果显示改进算法的路径比原有算法更优。动态环境下采用动态窗口法可以实现不同场景、不同任务的实时避障,验证了算法的可靠性。综上,本文通过对移动机器人规划问题的研究,于机器人自主导航有借鉴意义。