近年来,移动机器人在生产生活各领域得到了广泛的应用。路径规划算法是移动机器人导航的关键,因此成为了移动机器人研究中的热点。ROS（Robot Operating System）是目前应用最广泛的机器人软件系统,其扩展性好,能极大提高代码的复用率,为机器人的研究提供了很大便利。针对移动机器人在复杂环境下的路径规划和动态避障等需求,本文以RRT（Rapidly-exploring Random Tree）算法和DWA算法（Dynamic Window Approach）为基础,在ROS平台下对动态环境下的移动机器人路径规划算法展开研究。论文的主要研究内容如下:（1）介绍了 ROS系统的分布式原理和消息通信机制,分析了 ROS系统下的移动机器人自主导航软件框架及各模块功能,基于此提出了本文混合路径规划的算法框架和执行流程,为下文ROS移动机器人软硬件平台的搭建和算法的开发与验证提供了基础。（2）提出了一种基于多目标动态RRT*的全局路径规划算法。首先,针对RRT*算法随机性强,规划路径质量低的缺陷,提出了精英蚁群算法以优化路径质量。另一方面,状态树的扩展也采用了优化路径点约束下的智能采样策略,以提高算法效率。同时,针对动态避障的要求,算法将状态树节点作为实时避障中的环境先验信息,并提出了基于帕累托理论的最优节点选择方法,使移动机器人在运行过程中能够高效地避开未知移动障碍物。仿真实验表明该算法具有良好的实时避障能力。（3）提出了一种基于改进DWA的局部路径规划算法。本文用多目标动态RRT*算法生成的全局路径作为参考轨迹,使机器人尽量按照全局路径运动。同时,改进了采样轨迹的评价函数,提出的方向变化评价函数提高了机器人运动的稳定性,提出的目标点距离评价函数提高了采样轨迹与全局路径的贴合性。与基本DWA算法的对比仿真实验验证了改进算法的可行性和优越性。（4）针对实际应用场景,本文将上述多目标动态RRT*算法和改进DWA算法组成的混合算法作为机器人的路径规划算法,并在搭建的ROS移动机器人平台上设计了多种障碍物环境下的路径规划实验,验证了本文提出的动态路径规划算法的优越性,有效性和实用性。