路径规划是机器人研究领域最基本也是最重要的问题,它能够使机器人避开障碍物并到达目的地,是其智能化的体现。当前的移动机器人已经广泛应用于复杂多变的动态环境中,但由于在动态环境中动态障碍物的运动速度和方向具有不确定性,导致了移动机器人动态路径规划的难度增大,这是机器人动态路径规划要解决的难点问题。本文采取全局和局部路径相结合的方法实现了移动机器人在动态环境中的路径规划,主要完成的工作如下:1)根据已知环境中的障碍物信息在机器人运动之前进行初始的静态路径规划,针对传统蚁群算法在计算启发函数时考虑不全面所导致搜索效率低的问题,提出一种改进的蚁群算法。采用A*算法中的估价函数f*(n)来更新蚁群算法的启发信息,为机器人规划出一条全局路径。仿真的结果表明,改进后的蚁群算法比传统蚁群算法得到的路径长度更短、更快达到收敛且路径更加平滑。2)针对传统AG算法无法解决动态环境中机器人路径规划的问题进行了改进。在传统AG算法的自由空间中加入机器人和动态障碍物的相对速度分量作为避开动态障碍物的动力,使该算法能够充分发挥优越性并且更适合于实时动态导航。仿真实验结果表明,改进后的AG算法不仅可以解决动态环境中机器人躲避动态障碍物并到达目标点的问题,而且与其他动态路径规划算法相比,具有路径长度更短、耗时更少、路径更平滑的优点。3)针对机器人在动态环境中的路径规划问题,提出解决该问题的整体思路:使用改进的蚁群算法来规划机器人的静态全局路径,当机器人沿着这个全局路径前进时,机器人连续地感知周围环境信息并执行避碰,若动态障碍物不会与其发生碰撞则继续按照之前的全局路径前进,若会发生碰撞,则采取改进的AG算法为机器人规划出一条避开动态障碍物的局部路径。仿真实验表明了该思路的可行性,即可以为机器人规划出一条从起点到终点的能避开所有静态和动态障碍物的最优路径。