路径规划是机器人研究领域的一个重要方面，也是机器人导航最重要的任务之一。路径规划的定义是:在具有障碍物的运行环境中，按照一定的评判标准，寻找一条从起始位姿到目标位姿的无碰撞路径。本课题主要是以移动机器人为研究对象，分析总结了目前应用于移动机器人路径规划的几种算法。其中深入的研究了人工势场法和快速扩展随机树法（RRT算法），针对两种算法在应用中存在的局限性或者缺陷，提出了相应的改进方法，并通过仿真验证，证实了改进算法的有效性和可靠性。　　本文的主要内容主要包括以下几部分:　　首先，介绍了机器人路径规划问题的研究背景以及本课题研究的目的和意义，综合了国内外在该方向上的研究现状，并且简单的介绍了移动机器人路径规划发展方向。对比目前比较常用的机器人路径规划的方法，并进行深入的分析与研究，在分析了它们的优点的同时也提出了它们存在的不足。　　然后，详细介绍了局部路径规划方法经典人工势场法的原理，综合分析经典人工势场法在路径规划存在的问题。传统的人工势场法在机器人路径规划中存在障碍物附近目标不可达(GNRON)和局部极小值问题，针对目标不可达问题，使用改进斥力场函数的方法。针对局部极小值问题，在改进人工势场法的基础上，利用随机逃离和沿等势线逃离的方法，并且对此方法进行分析和改进，改进后的方法优化处理了机器人的避障路径。此外还可以利用设置临时子目标点的方法使机器人走出局部极小值的陷阱。最后仿真结果证明了改进方法的有效性和可靠性。　　最后，详细介绍了RRT算法的基本原理，并且分析RRT算法的优缺点和现有的改进算法。针对RRT算法随机性大的问题，采用基于滚动窗口的模式，针对规划的路径并非最优的问题，将人工势场法的目标引力函数引入到RRT算法中，该混合算法既可以弥补人工势场法陷入局部极小值的缺陷又可以使RRT算法在环境未知的情况下得到的规划的路径接近最优。