复杂环境下移动机器人路径规划是机器人路径规划研究领域中极具挑战的问题。移动机器人除了规划出一条从起始位置到目标点之间的最优路径之外,还要在移动的规程中面临因障碍物运动或目标点位置改变而导致先前规划出来的路径不可达的难题。在此背景下,本文聚焦于工厂巡检场景的机器人路径规划问题。在该场景中,移动机器人处于一个动态环境中,环境中有一个或多个处于静止或运动状态的障碍物以及一个动态移动目标,移动机器人需要定位追踪到该移动目标。为了解决该场景下动态路径规划问题,本文将动态环境切分成若干个静态环境,分而治之,对切分的环境进行路径规划以此达到动态环境路径规划的目的。基于此,本文提出了一种改进粒子群-三次样条插值算法(IPSO-Sp),在粒子群算法框架下根据三次样条插值法生成路径方式,设计了特别的初始化种群方法。此外,在标准粒子群算法中,为了增强了算法的开采能力、避免陷入局部最优,在粒子更新速度时引入了随机正反馈因子。为了使机器人能够提前预测目标的位置,缩短动态环境路径规划路径长度,本文提出了惯性定位策略,并将该策略与IPSO-Sp算法进行融合,应用到动态环境路径规划中。仿真实验表明,在静态环境中IPSO-Sp算法能使机器人成功地避开障碍物,与其它经典算法比较能够得到更短的路径。在动态移动目标环境下,融合了惯性定位策略的IPSO-Sp算法与IPSO-Sp算法相比较,在动态环境下采用惯性定位策略所规划出的路径更短,使得移动机器人能更快追踪到目标。