自主移动机器人是智能机器人的一个重要分支,路径规划技术更是移动机器人技术领域的关键研究热点。目前,在结构化环境内的导航规划研究成果丰富,学者们提出了许多经典路径规划算法。然而关于半结构化环境,即存在着局部未知障碍物的环境下,机器人的路径规划仍然存在许多问题。本文针对半结构化环境,提出一种基于改进A*算法和自适应动态窗口法的混合路径规划算法。本文分析了全局路径规划算法A*算法的原理及实现流程,针对其全局规划所需的栅格地图进行了代价改进。将传统布尔栅格地图按照障碍物与机器人的距离改进成安全代价地图;同时按照地图上的路况能耗状态,改进成能耗代价地图;将两个地图融合,形成最终代价地图,并且相应地修改了 A*算法的评价函数,增加了路径规划时考虑的信息量。针对传统A*算法生成的路径拐点多,路径平滑性差的问题,引入了权重思想,降低了 A*算法的拐点数量,并通过仿真实验进行了验证。针对局部路径规划算法中的动态窗口法进行研究分析,针对其路径存在速度与安全性等无法兼顾的问题,提出了一种参数自适应的改进方法。根据机器人与障碍物和目标点的距离,自动调整采样窗口尺寸与方位角评分权重占比,使机器人在规划过程中获得更高的速度和更短的路径,并通过仿真实验验证了算法原理的正确性。最后,将改进的两种算法进行融合处理,给出了混合路径规划算法的实现流程。介绍了机器人操作系统ROS(Robot Operating System)和其提供的三维物理仿真插件Gazebo,并在ROS提供的导航系统框架中实现混合路径规划算法,在仿真环境Gazebo中加以验证。实验结果表明,使用混合路径规划算法可以在具有临时障碍物的半结构化环境中进行路径规划并安全避障。