移动机器人技术随着仓库物流、医疗运输、公共服务等行业的发展而得到广泛应用。在机器人技术不断迭代跃迁的过程中,各层级现存的技术缺点正不断显现,人们对自主移动机器人提出更高的要求,从而激发其潜力的进一步挖掘。其中,运动规划是移动机器人领域研究中的一项关键技术,负责衔接系统感知与控制模块,并根据当前感知的环境与机器人自身状态规划出安全、合理的动作序列,是移动机器人智慧的关键环节。然而,目前大多数运动规划方法不能同时兼顾安全性、实时性和最优性等。当面对复杂结构环境,并且考虑执行不确定性因素时,多数规划方法表现不佳。数值算法能在某种程度上保证问题的最优性,但是因为避障模型复杂性较高,且对优化初值敏感,导致规划问题的计算效率低甚至无法求解。研究室内环境下机器人运动规划问题具有实际应用价值。基于此,本文提出了一种分层运动规划方法,其中包括前端路径搜索和后端轨迹优化。前端路径搜索阶段基于内存空间换取时间复杂度思路,在导航开始前离线完成对采样终端状态并合理地减少终端状态约束后,求解该最优控制问题从而构造光滑的候选路径库。再将其栅格化处理后得到碰撞检查表,作为在线规划期间的快速碰撞检查工具,目的是利用更少的计算资源得到次优、安全的局部参考路径。后端轨迹优化阶段,对局部参考路径附近的可行空间进行凸分解,得到具有线性解析式描述的安全凸空间。构造轨迹优化问题中,线性碰撞避免约束考虑到执行机构不确定性,并将充分远离障碍物的意图合并到目标函数中。之后结合序列凸优化思想,精心设计优化迭代步骤,通过一系列凸优化问题逼近原始非凸的轨迹优化问题,能够在常见的复杂室内场景中生成合理的轨迹。最后,经过在仿真平台测试以及实体实验,本文提出的运动规划算法在复杂室内场景下展现出较好的性能。