移动机器人路径规划技术是移动机器人技术的核心之一,其在社会中的重要性也愈来愈明显。该论文主要是研究在已知不同障碍环境中的移动机器人路径规划算法,针对少障碍物与多障碍物环境,分别提出了一种改进的快速扩展随机树(Rapidly-exploring Random Tree,RRT)路径规划算法。通过对经典RRT算法的深入研究,在此基础上提出了两种改进算法,旨在提高算法的路径搜索效率、减少规划路径长度和优化路径。主要的研究内容包括以下几个方面:首先,在少障碍物环境中,针对经典RRT算法在全局环境下随机性大的问题,借鉴人工势场法中目标引力思想和双向搜索策略,提出一种基于目标引力的双向RRT路径规划算法。该算法采用目标引力思想后只需局部采样,使随机树朝着目标点方向生长;引用双向搜索策略,使随机树从初始点和目标点同时出发扩展生长。该改进算法在少障碍物环境下有效解决了随机性大问题,提高了路径搜索效率、减少了规划路径长度和优化了路径。其次,在多障碍物环境中,针对基于目标引力的双向RRT算法避障能力差,易陷入局部极小值和目标不可达问题,引入可变步长策略和贪心思想,提出一种基于可变步长的目标引力双向平滑RRT算法。该算法引入可变步长策略,使随机树在扩展新节点遇到障碍物时可调节步长来绕开障碍物;采用贪心思想来处理在可变步长作用下绕开障碍物处的冗余节点,改善路径的光滑性。该改进算法在多障碍物环境下有效躲避了障碍物、避免了路径陷入局部极小值和目标不可达问题。不仅保留了改进前随机性小的优点,还极大地提高了路径搜索效率和改善路径光滑性,保证了算法的可行性与优越性。最后,利用MATLAB开发设计一个实验仿真平台来满足论文所需的工作环境,方便对路径规划算法进行实验仿真测试。该论文利用仿真实验平台,对不同环境下提出的改进RRT路径规划算法进行了实验仿真。基于该平台的实验仿真,证明了改进路径规划算法的可行性和优越性。