随着机器人技术和人工智能的发展,移动机器人在工业生产、物流仓储、公共服务等领域有了广泛的应用。自主移动作为移动机器人最重要的智能化体现,路径规划则是其中的关键支撑技术。面对复杂多变的现实环境时,如何有效地规划出合理路径,使机器人快速安全地越过各种障碍物,顺利到达目标位置并完成规定任务,是考量移动机器人的路径规划是否科学合理,避障性能是否优越的的重要参考指标。目前市面上的移动机器人在静态工作环境下的路径规划效果一般,存在待优化的空间,而且在复杂多变的动态环境下导航效果更差,如无法越过障碍物或容易陷入局部最小值等。因此,本文针对室内复杂多变的不确定性环境,以实验室的AGV运输机器人为具体研究对象,开展了关于移动机器人自主导航技术的研究和实现。通过查阅移动机器人相关领域的参考文献和研究成果,本文系统性的总结了移动机器人领域自主导航框架的三大技术:地图构建、即时定位和路径规划,其中重点介绍了常用的全局路径规划算法和局部路径规划算法,并构建了基于差分驱动模型的移动机器人。首先,本设计在传统A~*算法的基础上,对启发函数做出改进和优化,选取欧拉距离和曼哈顿距离的折中值作为启发函数的估计值,并考虑了邻域内两个结点代价相同时,增加预选节点对目标节点的偏移代价,以便机器人更好的选择路径点得出全局最优路径。其次,本设计基于多目标优化的传统TEB轨迹规划算法,进一步的优化了目标函数,不仅增加了速度和加速度之间的约束,使系统约束更为合理,同时还引入基于拓扑结构的TEB并行轨迹规划,通过构建局部拓扑结构地图、同源路径过滤以及最优路径选择等一系列操作后,避免了局部最小值的问题,使得移动机器人的局部路径规划更为安全可靠。最后,针对复杂多变的室内环境,本设计提出了融合A~*算法和TEB轨迹规划算法的实时避障策略,并提出了机器人在避障失败时的三级自恢复行为策略。本文研究成果首先在ROS RVIZ仿真环境和ROS Stage模拟平台取得理论仿真的成功,最后将实验室的AGV运输机器人放在复杂多变的室内工作环境中进行实际验证,最终该机器人能够安全、实时地避开环境中的静态和动态障碍物,快速、平滑地到达指定目标点,从而验证了本文所设计实时避障策略的可行性。