近年来,随着我国铁路运输系统的快速发展,铁路成为人们出行的重要交通方式。铁路客站作为铁路运输过程中的重要节点,日常人流较为密集,人们所需要的服务需要具备便利性、快捷性、智慧性等特点。所以移动机器人在铁路客站中提供服务查询、环境清洁等辅助工作显得尤为重要。特别是在疫情常态化背景下,利用移动机器人进行安检、消毒工作能够很好的满足疫情常态化防控的要求。铁路客站的人流较多,障碍物分布情况复杂,移动机器人的自动导航技术的优劣十分关键。当前对于移动机器人路径规划算法的研究很多,但依然存在较多缺陷。比如全局规划过程中存在规划时间不合理、路径长度过大、拐角过多、内存占用大等问题;局部规划过程中机器人易陷入局部最优产生震荡的问题等。本文针对上述问题,在研究传统算法的基础上,提出了相关的改进算法。本文的研究内容和成果如下:1、针对移动机器人的全局路径规划问题,本文提出了一种RRT＿BF算法。在该算法中,随机树的生长过程中加入了启发策略,选择较优的父节点进行随机树的扩展。实验结果中可以得出本文提出的RRT＿BF算法有效解决了在复杂障碍分布环境下,传统算法不易寻路、规划路径质量差和内存耗费大等相关问题。2、针对全局规划算法规划的路径结果平滑度较差的问题,本文引入了工程中常用的相关曲线优化算法,优化后的路径轨迹具有较优的平滑性,解决了局部锯齿状路径的问题。针对优化轨迹小概率碰撞障碍物的问题,本文在三次B样条算法的基础上,提出了添加重复控制点的方法,通过实验验证这种方式能够有效解决相关碰撞问题。3、针对局部路径规划算法DWA在动态新增L型障碍物和U型障碍物的情况下易陷入局部最优的问题,本文提出了一种改进的DWA算法。在该算法中本文在传统评价函数的基础上,加入了around（v,w）代价函数项,利用了每段局部模拟的最优轨迹信息,使机器人尽量在下一步选取最优局部轨迹时远离之前走过的路径。通过仿真实验证明本文提出的改进DWA算法有效解决了局部最优问题。4、针对传统局部路径规划算法融合全局路径方法效率不高的问题,本文提出了一种“全局路径规划+纯跟踪法+局部路径规划”的方法。在该方法中移动机器人的局部地图中若没有新增障碍物,则用纯跟踪法跟踪全局路径;否则正常采用局部路径规划算法。通过实验验证,加入纯跟踪法的方式有效解决了传统方法中没有很好地利用到全局路径信息,且规划效率不高的问题。最终本文搭建机器人的硬件平台,基于ROS系统修改相关的功能包及其配置文件,在某火车站大厅地图和实际搭建的实验场景中验证了本文改进算法的有效性。