在21世纪的今天,移动机器人的应用越来越广泛,并且随着科学技术水平的提高,仓储物流行业也出现了很多能够代替人类劳动的机器人。本文从仓储物流行业的移动机器人出发,通过对移动机器人路径规划算法的研究来提高机器人的自主化程度。在对传统的蚁群算法与人工势场法进行分析的基础上,分别提出了改进算法,并通过MATLAB仿真证明了改进算法的良好性能。最后在本文所搭建的全向移动机器人平台上进行路径规划实验,通过实验结果进一步证明了算法的实用性。本课题的主要研究内容包含以下几个部分:首先本文搭建了灵活性好、稳定性高的麦克纳姆轮式全向移动机器人平台,建立出全向移动机器人平台的运动学模型,并实现了对移动平台的控制,控制系统采用顶层上位机与底层下位机控制系统相结合的方式。下位机的主控芯片是STM32F427,与移动机器人的底盘电机之间通过CAN总线进行通信,并使用PID算法实现对电机转速的精确控制。上位机控制系统的核心是基于TX1的高性能微处理器,设计了基于ROS的移动机器人自主导航框架。其次对于全向移动机器人的全局路径规划,采用智能仿生算法中的蚁群算法进行分析研究。由于传统蚁群算法的效率低且盲目性较大,针对该缺陷对算法转移概率中的启发式信息进行了改进,并且在简单、中等、复杂三种不同环境中对改进算法进行了仿真验证,证明了改进后算法的良好性能。最后对蚁群算法的关键参数进行优化,发现优化参数后算法的性能得到提高。然后对于局部路径规划,本文运用具有良好实时性的人工势场法进行仿真研究。针对目标点不能顺利到达的问题,对斥力场函数进行相应改进,将麦克纳姆轮平台与目标位置的距离加入到斥力场函数的模型中;针对局部最小值问题,通过在引力场函数中添加一个倍数因子,以此增大移动机器人平台受到的引力大小,防止发生引力大小与斥力大小相等的情况。通过对传统的人工势场法和改进算法的对比仿真试验,证明了改进算法的可行性。并且最后随机分布障碍物的位置,通过仿真结果证明了改进算法在未知环境中的有效性。最后在ROS框架中运行本文算法,进行路径规划实验,通过实验结果验证了改进算法的可行性。并与ROS中的原有算法进行对比实验,证明了改进算法优于原有算法,达到研究目的。