随着机器人的大量应用,移动机器人的智能化也成为了人们关注的热点,如何实现机器人在未知环境中,自主避开障碍物,并规划出安全无碰撞且距离较短的路径,顺利到达目的地,成为实现移动机器人智能化需要解决的重要问题。虽然路径规划的研究也取得了一定的进展,但仍存在路径规划效率低、路径非最优、动态避障性能差等问题。在移动机器人的早期研究,很多标准都不统一,机器人代码复用率较低,增加了不必要的研发工作,模块化、标准化、系统化的开发标准成为机器人研究的必然选择,而开源的机器人操作系统（Robot Operating System,ROS）的出现,恰好成功地解决了这一问题,其凭借着支持多种语言和较高的可靠性的优势,已经受到广大研究者的关注,对此,本文对基于ROS系统下的移动机器人自主避障规划进行了研究,主要研究内容为:首先,本文对全局路径规划性能较好的蚁群算法进行研究。针对传统蚁群算法存在的收敛速度慢的不足,建立新的初始信息素设置模型,解决蚁群算法初始信息素浓度不足,降低算法寻优盲目性,使得算法能够在较短时间内收敛,提高收敛速度,进而减少了执行时间,利用仿真软件对优化后的算法进行测试,表明了算法的路径规划性能有所提升。其次,本文对机器人局部路径规划进行了研究。选择ROS中应用较为成熟的动态窗口法作为局部路径规划算法,先对该算法的原理进行简单的介绍,由于动态窗口算法存在缺少目标点引导和易出现震荡的问题,本文对冲突判定值以及评价函数中各因子权重进行合理设置,避免机器人通过狭窄通道出现震荡或停滞现象,同时借鉴分层算法的思想,将蚁群算法和动态窗口法（Dynamic Window Approach,DWA）进行混合使用,以全局路径作为机器人的初始路径,使其跟踪运动。若检测机器人运动路线上存在遮挡物,则根据机器人当前位置规划增加局部目标点,在目标点的引导下,减少算法的盲目性,同时满足整体路径规划较优,以达到更好动态避障和规划效果。由仿真实验结果分析可知,本文给出算法可使其通过狭窄区域,对动态障碍物具有较好的避障效果。本文最后设置全局路径规划、动态避障以及穿过狭窄通道的三个实验场景,借助智能移动实验平台,分别测试在算法优化以后的路径规划性能,实验验证静态环境和动态环境下移动机器人具有良好的自主避障规划能力。