近年来,机器人在人类的社会生产活动和工作中越来越常态化,工业、农业、商业以及服务业等各领域都出现了机器人职员,随之而来的是人们对机器人高效性和安全性的更高要求。导航规划方法的研究和实现,是移动智能机器人实现其他各项附加工作的前提和保障。作为机器人自主导航综合技术发展中的基础领域之一,众多研究人员对此展开了大量理论和应用研究。然而每种算法都有其本身的局限性,不能完美适应各种环境的改变。对路径规划算法开展深入的研究是非常必要的。应用传统蚁群算法和人工势场算法对单一算法的路径规划问题进行了研究和探索。分别介绍了两种算法应用于路径规划的方案设计,并使用Matlab仿真软件完成规划性能的分析。通过对实验结果进行讨论,说明了两种传统算法的不足与缺陷:传统蚁群算法在实验中存在次优解、蚁群寻优效率低以及难以达到稳定收敛等问题;而人工势场法存在路径震荡以及局部最小值点等问题。针对这些缺陷设计改进势场蚁群算法的优化方案,提升融合算法路径规划性能。引入势场力启发信息对转移概率的计算方式进行改进,根据不同算法优势融合、取长补短的思想,利用人工势场合力因素构建势场力启发信息,优化概率计算方式,有效改善算法前期蚁群搜索效率低的问题。同时对势场启发信息设置影响参数,防止发生早熟现象导致局部最优解。改进启发信息构造函数,根据算法运行中路径节点与终点的实际距离动态地更新启发信息,增加实际距离启发信息对蚂蚁的合理诱导能力;改进信息素更新方式提高蚁群有效信息利用效率,增加局部路径信息素奖惩机制,对完整路径的各节点进行信息素奖励,同时对陷入死锁的不完整路径各节点进行信息素削减;提出自适应伪随机状态转移模式加速算法收敛,通过引入伪随机概率选择系数并改变其取值大小,来控制算法选择路径的状态,对蚂蚁选择下一路径节点的明确性和随机性进行调节。在不同仿真地图条件下进行实验,并将改进势场蚁群算法与其他算法进行性能对比,证明了改进融合算法在应对环境场景改变时有优良的适应性。最后在移动平台上进行算法移植,完成该平台控制的上位机设计。将算法移植进入移动平台上,并对平台的运动方法进行了分析与设计。利用现实场景对路径规划能力进行实验测试,在上位机控制下可以实现完整的路径规划。