随着现代社会对智能移动机器人的依赖逐渐加深,机器人在周边环境完全未知或部分未知情况下的路径规划能力成为研究者们突破的重要方向;其中主要的研究内容有机器人对周边环境的实时地图构建和自身同步定位（Simultaneous Localization and Mapping,SLAM）,以及基于已构建地图和定位信息完成路径规划任务的相关算法。由于小型智能化移动机器人成本和体积的限制,其配备的传感器制约了自身进行三维环境下自主导航和实时动态路径规划的能力;本课题即针对以上问题进行了相应设计和改进,主要研究内容如下:（1）搭建移动机器人实验平台和仿真模型,采用基于上下位机协同控制的分布式系统架构;其中基于ROS机器人操作系统的上位机主要负责收集视觉传感器和下位机信息以完成实时地图构建,同时运行路径规划算法,根据构建的代价地图和机器人定位等信息完成路径规划任务并发布机器人运动指令;下位机使用以STM32F427系列芯片为控制核心的单片机,运行Free RTOS实时操作系统完成模拟里程计等定位信息的收集,同时负责接收上位机运动指令并控制机器人平台运动。（2）建立基于三维高程模型的全局代价地图并对其进行可通行性分析;利用Kinect传感器采集的深度信息建立局部环境三维点云模型,并对点云进行稀疏化和地面分割等处理,用以完成实时局部代价地图的建立。同时,根据运动平台电机的编码器反馈搭建模拟里程计模型,采用扩展卡尔曼滤波算法融合全球定位模块与模拟里程计数据并完成机器人基本定位。（3）依据由三维高程模型建立的代价地图,对基于二维平面的传统D*Lite路径规划算法进行改进,使得在路径规划过程中可以综合考虑机器人平台的行进坡度和路径粗糙度等代价,平衡规划路径的长度和安全性并完成全局路径规划。针对传统人工势场法存在的易陷入局部最小点和陷阱区域等问题,提出引入方向向量和虚拟目标点的方式,同时改进斥力的生成和计算机制,有效完成动态的局部路径规划。（4）将改进后的环境滤波和路径规划等算法移植到ROS框架中,并选取全局环境已知,局部环境未知的代价地图作为输入,在实际平台上进行路径规划的实验以测试机器人的动态路径规划能力,并验证改进算法的可行性。