随着科技的进步和对机器人路径规划要求的提高,研究带有目标检测和障碍物检测能力的机器人成为了当前迫切的需求。到目前为止,大部分机器人的工作都是通过提前规划好的路径来行进,当工作环境和任务终点发生改变时,机器人就无法正确的到达目标点,需要对机器人的路径进行重新规划。因此,机器人环境感知的能力准确与否,成为了机器人能否根据检测到的环境变化来进行伺服控制的重要因素,而且也是机器人快速准确到达目标点的前提。本文对机器人在障碍物检测方面存在的问题和算法存在的一些问题进行了改进,主要研究内容如下:针对障碍物检测方面,首先介绍了图像检测的方法。然后,先对道路旁的静态障碍物进行检测。然后以静态障碍的检测为基础,对动态障碍物进行检测,从而使机器人可以通过视觉采集到障碍物的准确信息,最后通过采集到的障碍物信息高效准确的完成路径规划。在路径规划的方法选择了人工势场法,因为其控制策略是一种反馈控制,并且对传感器有一定的鲁棒性。但是它也存在一定的缺点,针对传统势场法路径规划存在不足的问题,提出了一种基于改进人工势场的路径规划方法。首先,关于目标点的不可达问题,在传统斥力函数中加入目标点和障碍物之间的直线距离,然后使用虚拟目标点的策略去解决传统人工势场法存在的局部最小值问题。通过仿真实验,我们验证了改进的算法是有效的:机器人到达了目标点,并且路径是平滑的。最后对于路径规划中的转弯问题进行了改进,采用了直接生成一个可行的最短路径的方法,这种方法使车辆在具有恒定的线速度和角速度时,能够以最小的转弯半径转弯。