近年来,随着科技的快速发展,移动机器人的应用已经涉及到生产生活的方方面面。而移动机器人的路径规划问题作为一个热门的研究方向,吸引了大量的学者对其进行研究。移动机器人的路径规划是指将地图等先验信息和传感器感知的数据进行分析处理,按照设定好的策略搜索到一条从起点到目标点的无碰撞路径。根据移动机器人对周围环境感知程度的不同,路径规划可以分为全局路径规划和局部路径规划,全局路径规划是基于已知的全局环境信息进行规划,局部路径规划是在未知的环境下,根据传感器感知的数据构建局部环境模型并进行规划。全局路径规划中采用A*算法,针对传统A*算法规划路径的转折点较多且不满足全局最优性的问题,提出了一种基于自适应邻域搜索和转向代价的A*算法;局部路径规划中采用DWA算法,针对结合全局路径的DWA算法不能快速到达目标点的问题,提出了一种基于全局路径转折点引导的DWA算法。创新性工作主要包括以下两个部分:（1）基于自适应邻域搜索和转向代价的A*算法。针对传统A*算法规划路径的转折点较多以及受到8邻域搜索节点策略的约束导致不满足全局最优性的问题,首先设计了一种自适应邻域搜索节点的策略,使算法能够根据周围障碍物的信息,自适应的选择合适的邻域搜索最优子节点;然后通过建立移动机器人转向代价模型,将转向代价引入到A*算法的估价函数中;基于自适应邻域搜索和转向代价的A*算法突破了8邻域搜索节点的约束,缩短了路径长度,并利用转向代价搜索到转折点较少的全局最优路径。（2）基于全局路径转折点引导的DWA算法。针对结合全局路径的DWA算法在局部子目标点处频繁减速导致移动机器人行驶时间过长的问题,提出了一种基于全局路径转折点引导的DWA算法,首先通过提取全局路径中的转折点,将其作为DWA算法的局部子目标点;然后对DWA算法的评价函数进行优化,增加靠近全局路径评价子函数使规划路径更加贴合全局路径,路径方向评价子函数使移动机器人方向更加平稳。基于全局路径转折点引导的DWA算法规划的路径满足全局最优性,而且通过减少局部子目标点的个数,大大缩短了行驶时间。实验结果表明,相比于传统A*算法,基于自适应邻域搜索和转向代价的A*算法的路径总代价减少了19.3%,转折点数量减少了44.4%;与结合全局路径的DWA算法相比,全局路径转折点引导的DWA算法行驶时间缩短了41.9%。