机器人的出现和发展对人类社会工作效率的提升有着不可低估的作用,已经深深的改变了人类的生活方式和工作方式。而移动机器人的每项工作任务几乎都涉及到路径规划技术,其在机器人的研究中占有极其基础和重要的地位。机器人路径规划是指在有障碍物的工作空间中,为机器人找到从给定起始点位置到最终目标点位置的符合机器人动力学和运动学特征的优化运动路径,使得在这条路径上机器人可以安全地绕过全部障碍物以快速、高效地到达目的地。本文提出了一种基于高斯过程的轮式机器人路径规划算法。该算法通过把机器人运动轨迹视为将时间映射到机器人状态的函数,给出了考虑特定问题下轮式机器人的实体车身尺寸大小及其运动约束算法,用于解决轮式机器人实体的运动规划问题。本文的主要工作如下:（1）选择用高斯过程表示机器人状态,并给出了一类具有物理意义的稀疏核。栅格地图的离散表示存在不足。一方面,栅格尺寸的大小是影响栅格地图质量的一个重要因素。因为帧间存在不确定性,会使栅格尺寸过大,降低地图的分辨率,路径信息的误差就会较大,从而影响到路径规划的精确性。另一方面,相机、GPS、IMU等传感器由于时间不同步,紧耦合方案会很困难,而松耦合方案因为异步会出现很大的误差。所以提出使用连续时间轨迹表示,这样可以避免确定栅格大小的挑战,以及解决不同类型的传感器由于时间频率上的不同步而造成的较大误差。而高斯过程不仅可以对连续时间轨迹进行稀疏参数化,而且表示形式相对简单和方便,仅仅只由均值函数和协方差函数便可以确定其过程。但是路径规划问题中即使使用稀疏参数化,也必须以更精细的分辨率来进行碰撞成本的评估。因此,如果所选连续时间表示的插值过程计算量很大,那么从稀疏表示中获得的加速就可以忽略不计,并且可能导致算法整体变慢。但是通常高斯过程的核函数是稠密的,计算量很大。本文通过改进高斯核函数,使其稀疏化,简化了计算。（2）提出一种考虑实体运动约束的高斯过程运动规划方法。虽然基于梯度优化的高斯过程运动规划器GPMP2的算法运行时间短,通过概率推理来优化机器人轨迹,可以得到平滑的无碰撞的轨迹,然而该算法并未考虑轮式机器人如轮式车辆等的最小转弯半径等运动约束,使得规划出的轨迹在轮式机器人在实际行驶中受限。为此,本文提出了一种通过加入最小转弯半径等运动约束于算法,以规划出考虑机身尺寸的机器人运行轨迹的方法。实验表明,与目前先进的算法GPMP2算法相比,本文算法的路径规划成功率提高了4.5%,所规划的轨迹与实际运行轨迹符合度较好。