应用于室内自导航机器人的室内定位导航系统的主要研究目标是实现室内机器人按照预设的目标实现自我定位和运动导航。为了实现这些功能,除定位算法和导航控制算法以外,在已知或未知环境下的路径规划也是极为重要的一部分。然而,对于典型的点到点的路径规划问题,已有经典算法在较为复杂的、由多种空间组成的室内场景中都面临着较为严重的搜索计算效率问题。而且,这些方法虽然保证了路程上最短,但往往不适合室内机器人的移动,比如路径紧贴障碍物行进,路径有较多大角度转弯,穿过无关房间等问题。为了解决上述问题,本文在充分研究和分析国内外已有相关研究的基础上,首先提出了一种基于数据库存储的混合式室内地图模型,该模型可以根据室内空间的不同特点,将室内地图信息分别存储为栅格地图、节点连接地图和动态障碍信息,并实现了各类地图在同一存储结构中的衔接;其次,本文还对A*算法的代价函数进行优化,使路径中包含机器人体积和转弯信息的综合代价最小,并利用神经网络重定义启发函数,提高了算法效率;最后,提出了一种根据不同地图模型采用不同算法进行分段路径搜索,并依据定位精度动态调节步长的方法。本文通过在办公楼和购物中心场景下的仿真,将结果和相关参数与经典算法和已有相关算法进行比较,验证了本文所提出室内路径规划算法可以高效地得到一条适合室内机器人的合理的路径。