随着社会的不断进步,移动机器人技术得到了快速的发展,人们对移动机器人的需求也越来越高。人工智能、传感器、应用电子等领域的兴起也为移动机器人的发展注入了鲜活的活力,这使得移动机器人技术渗透到各行各业,成为人们不可或缺的工作伙伴。现如今,移动机器人已经趋向于智能化,其自主导航技术成为学者当下研究的热门方向之一,而对于导航算法的研究又是其中的重中之重。移动机器人通过自身传感器感知外部环境以及自身状态信息,随后利用导航算法在存在障碍物的工作环境中规划出一条从起始点到目标点的最优路径,也称移动机器人路径规划技术。路径规划技术作为移动机器人导航技术的核心组成之一,具有非常重要的研究价值。虽然相关的智能算法能够帮助移动机器人完成路径规划,但仍旧存在着收敛速度慢、规划路径较长、不平滑、无法保障安全性等问题。为了解决以上问题,本文给出了基于混合人工鱼群算法的移动机器人导航方法,并在此基础上,又给出了基于防碰撞A*算法的移动机器人导航方法。主要研究工作包含以下四个方面:一、针对传统人工鱼群算法应用于栅格地图时存在着搜索速度慢、收敛效率低、易陷入局部最优以及路径冗长等问题,本文给出了基于混合人工鱼群算法的移动机器人导航方法。通过融合差分进化算法的优点,提高鱼群算法的搜索能力和后期收敛速率,并对差分进化算法采用多种群变异寻优策略和自适应参数策略,防止混合算法陷入局部最优,最后对混合算法规划的路径进行二次优化,删除多余拐点,使得路径更为平滑。二、针对传统A*算法规划路径无法保障安全性、冗余节点多以及运动轨迹转折较多的问题,本文给出了基于防碰撞A*算法的移动机器人导航方法。通过引入安全距离因子改进A*算法的启发函数,保障算法规划的路径不与障碍物相撞,并采用平面结构法消除多余的拐点,确保规划路径为最优路径,最后在MATLAB中通过仿真实验证明了本文改进算法可以规划出一条与障碍物保持安全距离、平滑的最优路径。三、为了研究在未知环境下基于防碰撞A*算法的动态避障问题,本文给出了基于融合防碰撞A*和动态窗口法的组合型算法。当移动机器人处于未知环境时,仅靠A*算法是不足以避开障碍物到达目标点的,此时需要借助动态窗口法的局部避障功能。通过利用防碰撞A*算法规划出来的全局最优路径节点坐标设计出融合子函数,利用该函数改进动态窗口法的评价函数,以此解决动态窗口法易陷入局部最优的问题。在MATLAB环境下,通过设计静态未知障碍物和动态未知障碍物的仿真环境,验证了本文组合算法既能够规划出最优路径,又可以实现对未知障碍物的动态避障。四、本文设计了基于QBot 2e智能小车的实验平台。首先配置了主机环境,对实验平台的硬件组成结构以及地图构建过程进行了分析,其次将本文的防碰撞A*算法导入移动机器人的控制程序中,最后利用视觉传感器构建环境地图并完成避障任务,验证本文所给算法的有效性和实用性。