随着社会的发展和科学技术的进步,移动机器人逐渐地走入人们的生活,路径规划作为移动机器人的关键技术,得到了广泛的研究和应用。路径规划技术根据对环境信息的掌握程度,可以分为已知整体环境信息条件下的全局路径规划和对环境信息掌握不全或未知条件下的局部路径规划。基于移动机器人环境运行的复杂性,单一的路径规划算法往往不能同时满足路径安全、路径最优、运行稳定等需求。本文旨在构建兼顾此三种因素的混合路径规划方法,以提高移动机器人工作效能。为此,本文在室内环境中分别对全局和局部两种路径规划算法展开研究,先利用A*算法寻找全局环境信息下的全局最优路径,然后使用动态窗口法（DWA）进行局部路径优化,最后将两者有机融合,构建混合路径规划方法。主要研究内容如下:首先面对已知的室内环境使用A*算法进行全局路径规划研究。针对A*算法规划的路径存在折点多、路径不光滑且部分路径紧贴障碍物等问题,在规划过程中构建障碍物风险评估模型,该模型可限制环境地图中可行路径周围障碍物的个数,提高路径的安全性,同时通过剔除路径中多余的节点,构建有效节点序列,对规划路径进行平滑处理,有效减小路径长度。其次使用DWA算法进行局部路径规划。为了改善靠近目标位置时移动机器人行驶不平稳或驶过目标位置的问题,在DWA算法轨迹评估函数中引入轨迹末端与目标位置的距离参数,提高移动机器人接近目标位置过程中的速度控制效果。同时,为了改进传统算法未考虑移动机器人形状的不足,对环境障碍物进行膨胀处理,并采用安全态和紧急态来划分算法的模拟轨迹,提高移动机器人局部规划的安全性能。最后论文将基于改进的A*算法和DWA算法,将两者有机融合,构建混合路径规划方法。先使用A*算法进行全局路径规划,获取路径中的有效节点信息,并将其作为DWA算法的局部目标点进行局部路径规划,实现两者结合的混合路径规划。通过MATLAB平台仿真和基于ROS的Turtlebot3移动机器人平台的室内环境测试实验,对优化的A*算法、DWA算法以及混合路径规划方法进行了对比研究。实验结果表明,与单一的A*算法或DWA算法相比较,本文构建的混合路径规划方法,对移动机器人在实际行驶过程中的路径安全、路径优化等均有较好的提升。