随着移动机器人的发展,移动机器人的应用领域也进一步扩展至以外星球、战场、极地等为代表的野外非结构化环境。在移动机器人作业环境不断扩展的同时,人们对其自主行为能力的要求也越来越高。作为移动机器人自主行为的基本要素,运动规划也在近年来吸引了越来越多的注意。本文针对野外复杂环境下的移动机器人运动规划方法进行研究。首先,简要介绍了移动机器人典型系统框架,分析了运动规划系统的作用。结合野外复杂环境的特点,提出了野外复杂环境下的设计要求。针对设计要求采用了包含全局规划层、局部规划层、危险监控层的运动规划系统。通过全局、局部规划方法的优缺点对比,选取A*算法作为全局路径规划方法,选取人工势场法作为局部规划方法。其次,详述了A*算法的流程,通过仿真分析了传统A*算法的缺点,针对其启发式信息形式单一,且规划出的路径转弯数量太多的缺点,对启发式函数进行了改进,在启发式函数中加入了方向信息。另外,传统A*算法规划路径时,无法考虑机器人本体大小,且规划出的路径贴合环境中的障碍物,针对该问题采用了36搜索邻域。根据仿真结果可知,改进后的A*算法规划出的路径转弯数量明显减少,且路径与障碍物可以保持一定的安全距离。但路径的转弯处依然存在曲率跳变的问题,对移动机器人路径跟踪造成了一定的难度。再次,对传统人工势场法的势场函数进行了仿真,分析了传统引力、斥力函数带来的问题。传统引力函数为线性函数,针对这一问题,在引力函数中设置了阈值,使得超出阈值后的引力保持不变。针对传统方法中目标不可达的问题,在斥力函数中加入了目标位置信息,使得移动机器人在障碍物附近所受的斥力减小,有效的避免了目标不可达的问题,仿真结果显示,改进后的人工势场法可以有效地避免局部动态、静态障碍物。可以满足野外复杂环境下局部规划层的要求。但算法仍存在局部最小值的问题。最后,针对改进的A*算法曲率跳变的问题,设计了基于贝塞尔曲线的全局路径后处理模块,仿真结果表明,该模块可以很好平滑全局路径,解决了全局路径曲率跳变的问题。针对人工势场法的局部最小值的问题,基于模拟退火算法设计了后处理模块,该模块可有效的帮助移动机器人逃离局部最小的位置。