路径规划是移动机器人自主规划的核心内容之一,也是移动机器人自主导航的基础。传统的几何路径规划方法在仅仅考虑全局障碍物约束和自身完整约束的情况下规划出的路径状态转变过大,规划出的不光滑轨迹会增加受非完整微分约束移动机器人路径跟踪算法的复杂度,且难以被稳定地跟踪。快速扩展随机树(Rapidly-exploring Random Tree, RRT)算法作为一种基于随机采样的单查询路径规划算法,可以直接用来解决考虑非完整微分约束的运动规划问题而不会产生维度灾难问题。类似目标偏向RRT与bi-RRT双向RRT等趋向于目标区域的快速RRT算法克服了盲目随机搜索的缺陷,同时也带来了局部极小值问题,针对此问题,将碰撞信息检测机制引入到RRT-Blossom算法中,产生节点回归测试与碰撞信息检测相结合的RTCT新机制,可以保证规划时考虑到全局障碍物信息,同时以此避免对己扩展节点的重复扩展以及对边缘节点的重复回归测试和避障检测运算,帮助加快逃逸局部极小值区域。另外针对RRT算法缺乏考虑路径最优性的问题,引入A*启发式代价函数优化RRT算法可以取得不错的效果；同时A*代价函数启发式信息函数的不同给规划出的路径会带来很大影响,本文同时也采用几种不同的度量函数作为A*代价函数的启发式信息函数,探讨这些度量函数作为启发式信息函数的差异性。