移动机器人自主导航主要分为定位和路径规划,其中路径规划是自主导航的决策部分。由于运行时环境和自身状态的不确定性,对移动机器人在线路径规划算法的实时性、鲁棒性要求都较高,使动态环境下移动机器人的路径规划成为一个高度复杂的问题。而现有路径规划算法还没能有效的解决机器人震荡和死锁问题,局部路径规划算法仍然比较缺乏,因此对动态环境下移动机器人的路径规划技术进行研究具有现实意义。本论文基于机器人操作系统(Robot Operating System,ROS)搭建了移动机器人平台,重点研究了全局路径规划和局部路径规划算法等内容,并且将算法移植进移动机器人嵌入式平台中,通过实验验证了算法的有效性和优越性。本论文的具体研究工作及成果如下:首先搭建了基于ROS及Arm的移动机器人软硬件平台,搭建的实验平台能够正常运行且能进行人机交互。在全局路径规划中,提出用改进人工势场法(Artificial Potential Field Method,APFM)产生全局较优路径并利用粒子群优化算法(Particle Swarm Optimization,PSO)进行优化。针对传统APFM在路径规划中存在的局部最优问题,提出用障碍物势场值填充局部最小区域的方法。然后,利用PSO对改进APFM产生的路径进行优化。在PSO的评价函数中除了路径长度,还增加了安全性和平滑度的评价因子。通过仿真实验验证了该方法的可行性和优越性。在局部路径规划中,针对传统动态窗口法(Dynamic Window Approach,DWA)存在的问题给出解决方案,提出将DWA与行为控制思想相结合来规划局部路径。根据滚动窗口内环境预测信息判断移动小车是否会与障碍物碰撞:若有碰撞风险采取避障行为,否则采取跟踪路径行为。通过仿真实验验证了该算法的可行性。最后分别在复杂的静态、动态环境下,在搭建的移动平台上对提出的改进路径规划算法进行了实验验证。结果表明,静态环境下,本文提出的PSO-APFM算法与A*算法相比规划出的路径长度、平滑度以及安全性指标都较优;在动态环境下,本文提出的改进DWA算法与传统DWA算法相比动态避障时间较短且稳定性较高。