在科学技术飞速发展的今天,移动机器人技术已被广泛用于工业、服务业、制造业等多个领域。其中,移动机器人学的路径规划技术是近些年研究的热点问题之一,也是实现移动机器人自主导航的关键。在移动路径规划过程中根据任务的实时性,可分为静态全局路径规划和动态局部路径规划。本文针对传统已知路径规划算法中存在的不足,采用混合路径规划算法的方式对移动机器人的路径规划任务进行处理计算,以A-Star算法和人工势场算法为基础,分别对其存在的问题做出相应的改进,最终提出一种混合路径规划算法。该混合路径规划算法具备规划最优路径和动态躲避障碍物的能力,提高了算法的规划效率。本文的主要研究内容如下。1)针对A-Star算法中存在冗余节点过多、路径不平滑问题。首先优化A-Star算法启发因子函数,其次使用节点删减策略对冗余节点进行删减处理,最后提出角平分线切点法对其进行路径平滑处理。实验分析得出,在15×15的栅格地图中,改进后A-Star算法在未改变初始路径的前提下,使其节点个数减少了60.47%。2)针对传统人工势场算法存在局部最优、无法动态避障问题。首先修改了斥力场参数,在斥力场函数中引入相对位置项,确保移动机器人在靠近目标点时斥力不断减小,从而避免陷入局部最优;其次,构造动态势力场函数,在引力与斥力场函数中引入相对速度项,使得人工势场算法具备处理动态障碍物的能力。最终实验结果证明,改进人工势场算法运行时间提升13.92%,路径长度减少4%。3)针对单一算法无法满足复杂环境下的路径规划任务要求,本文构造A-Star与人工势场混合算法。首先采用改进的A-Star算法进行全局路径规划,并保存其核心节点,其次将核心节点依次作为子目标节点,最后调用改进的人工势场算法对其进行自主避障处理,确保移动机器人能够安全快速抵达目标点,并在MATLAB仿真平台上对混合算法的有效性进行实验验证。4)为验证混合算法的实用性,搭建了Hands-Free机器人平台,针对不同环境对其进行仿真模拟实验。最终实验结果表明,移动机器人在确保路径最优的前提下能够有效的躲避动态障碍物,达到预期目的。