随着二十一世纪机器人学的兴起,以及国家十三五、十四五的规划重点项目中提出推动人工智能技术在各行业的发展,要大力发展机器人在工业、军用和服务等领域中应用,机器人的研究已经在快速发展。2018年到2021年更是迎来了高速的增长,随着各个领域的高新技术的提升和核心部件制造技术的不断进步,服务机器人需求潜力巨大,市场中的应用场景不断扩展。其中在公共场所、机场车站、社区和家庭的服务以及在2019年抗疫中的医疗护理等方面发挥着重要的作用。在服务机器人中,清洁机器人的应用很广泛,主要对环境进行清洁工作。本文针对不同环境的特点,重点研究了清洁机器人的动态避障技术和路径规划技术,以提高其机器人对工作中动态环境的路径覆盖效率。而机器人移动的效率和安全性为关键问题,故移动机器人的路径研究是重点,研究出高效的安全路径具有很大的价值和意义。本文以清洁机器人的研发为基础,主要对移动机器人的动态避障、全遍历路径规划算法、重入算法等技术进行研究。本文的具体工作如下:首先,对环境建模与路径规划技术进行分析。以双轮差速运动的清洁扫地机器人的项目研发为基础,分析了应用较多的环境建模方法,并且确定使用效率较高的栅格地图法表示清洁机器人工作环境的信息;分析和对比了常见的几种算法如生物激励神经网络、单元分解法和模板法各自的优缺点,为本文所提出的算法奠定基础。其次,为更有效进行快速动态避障,建立实时性较高的静态障碍和动态障碍的避障系统的硬件和软件部分;分析和研究了清洁机器人的运动模型,确定使用基于SLAM激光雷达、深度双目摄像头、超声传感器和红外传感器等模块来组成避障系统的硬件部分,以及避障系统中硬件部分传感器的数据融合和相互之间的通信来构成清洁机器人的软件系统。接着,针对现有算法不符合大型场所的清洁机器人全遍历清洁的要求,提出了一种矩形转换算法。该算法根据不同区域的信息定义区域转换策略,可通过算法中矩形分解策略逃离死区,并利用A*算法进行路径规划。针对避障问题,利用传感器获得信息来构建动态视窗,融合区域转换算法和动态窗口算法（Dynamic Window Approach,DWA）进行避障和跟踪路径。最后,MATLAB仿真表明该算法减少了重复路径,有效的降低重复率,提高全局路径的覆盖率。然后,针对清洁机器人重入路径规划算法进行研究和设计。对全遍历路径规划中因存在高污染区和对一些静止、动态障碍物进行避障后产生的遗漏区域,提出重入路径规划算法。通过对旅行商问题（Traveling Salesman Problem,TSP）的介绍后,然后对实际环境中的遗漏区域特性进行分析,本文设计一种概率模型结合旅行商的求解方法,提出一种联合概率估计和高置信度的重入路径规划方法进行求解。最后,经过实验仿真和实际工作中的应用表明,该算法能实时生成遍历全部遗漏区域的路径,对环境具有很强的适应性。最后,面向大型动态场所进行实验和研究。完成了基于ROS系统和清洁机器人产品研发,在经过仿真测试和实际测试后,验证了本文所提的重入全遍历路径规划算法的可实施性和有效性。