路径规划算法的性能直接影响移动机器人的工作效率,因此优化路径规划算法的性能尤为重要,本研究主要通过研究A*算法和人工势场法,对A*算法和人工势场法现有的局限性和寻路过程进行分析和优化,并将这两种算法改进后融合提出一种新的全局路径规划算法,本研究对所提算法进行了理论分析和基于MATLAB的仿真实验分析,最后在室内环境下将所提算法移植到机器人上进行验证。本研究所提算法的主体主要分为三个部分:地图初始化、路径规划和路径平滑。（1）在实际的路径规划过程中,障碍物的无序分布可能会诱导移动机器人进入一些凹形障碍物的内部进行路径搜索,这会增加搜索时间,降低路径规划的效率。因此,本研究提出了一种对栅格地图内部分障碍物进行处理的方法,实现对于整个地图上的所有障碍物选择性的处理行进方向上遇到的障碍物,每处理完一个局部区域的障碍物,就会重新规划下一个应该处理的障碍物。该算法使用一个矩形区域来封闭该局部区域内的所有不规则障碍物,并且对前进方向以外的障碍物不做任何处理,避免无意义的操作。在MATLAB中对地图预处理算法进行仿真分析,与地图预处理算法结合后的A*算法的搜索节点数减少了12.12%～46.77%不等,搜索时间加快了7.62%～46.04%不等,证明了所提出的栅格地图预处理算法的有效性和可行性。（2）为了优化A*算法和人工势场法在路径搜索时易产生的效率低下和产生局部极小值区域等问题,本研究提出了一种融合人工势场法的三邻域搜索A*算法,该算法主要分为三邻域搜索A*算法主导的精准避障和部分的人工势场法主导的快速寻路两个部分,将八邻域搜索的A*算法优化为三邻域搜索并和部分的人工势场法融合,并且与栅格地图初始化方法相结合。该算法可以在没有障碍物的空白区域采用部分人工势场法进行路径快速搜索,在障碍物区域附近时则切换为三邻域搜索A*算法进行精准避障,通过三邻域搜索A*算法和部分人工势场法这两种寻路算法的不断切换和配合,可以实现无碰撞路径曲线的快速构建。在MATLAB中对提出的算法进行仿真分析,相比于A*算法,融合人工势场法的三邻域搜索A*算法的路径搜索时间减少了72.14%～81.39%,路径长度缩短了3.86%～7.03%,路径节点数减少了86.96%～90.52%,能在一定程度上平滑路径,减少路径的转折点。（3）针对栅格地图内的路径曲线存在尖点和安全性不够强等问题对路径曲线进行平滑处理,提出了一种基于局部人工势场法的路径平滑优化算法,该算法通过分析路径转折处与障碍物的分布位置信息,选择性的对单个障碍物赋予局部人工势场法,对原有的路径曲线进行重新布线,达到平滑路径的效果,与传统的路径平滑方法相比,在实际运动中的连续性、可行性、安全性以及路径长度等方面有着更好的效果。在MATLAB中对提出的算法进行仿真分析,相比于Bézier曲线平滑方法,本研究所提算法能有效的优化初始路径长度,优化比例为0.59%～5.14%,其次本章算法能优化初始路径22.22%～66.66%的弯道数量,从而提升路径曲线的质量。（4）搭建实验平台,在室内环境下用机器人对本研究所提算法进行验证,在综合场景、狭长过道场景和无障碍场景中分别进行实验,对实验的结果以及产生的原因进行了分析,证明本研究所提算法相较于A*算法能够规划出更优路径,优化路径长度,更适合移动机器人的实际运动。