智能移动机器人是集环境感知、动态决策、自主规划、行为控制与执行等功能为一体的机电系统。机器人自主行走是移动机器人技术的核心问题之一,其涉及到导航中的环境感知、自主定位、路径规划等关键技术。自主导航是实现智能移动机器人自主行走与避障的关键,而路径规划是机器人自主导航的重要环节。当前移动机器人路径规划技术研究成果非常丰富,但全局路径规划算法仍存在前期搜索盲目、收敛性差、易收敛于局部最优解等问题,局部路径规划算法中存在寻路保守性高导致绕行现象、避障成功率低等问题。为此论文针对上述问题开展相关研究,重点解决了全局路径规划中蚁群算法的前期搜索盲目性问题,局部路径规划中间隙法避障模型出现的绕行及死锁问题。首先提出一种改进蚁群算法实现移动机器人全局路径规划。因初始信息素分布、启发信息计算和转移概率是蚁群算法的重要影响因素,为此提出基于初始障碍物搜索信息的初始信息素不均匀分布策略、基于障碍物边界大小的转移规则,并将人工势场法中的势能函数应用于启发式信息计算,实现蚁群算法改进和全局路径规划。研究表明,改进算法能明显改善搜素盲目性,提升收敛速度,且在复杂地图环境中能够获得更短的路径。其次通过改进间隙法避障模型并融合蝙蝠-粒子群算法形成改进算法用于机器人局部路径规划。针对现有用于局部路径规划的间隙法避障模型易出现绕路及死锁等的局限,提出一种改进避障模型并融合蝙蝠-粒子群算法形成改进算法,并针对改进算法中存在的窄道问题提出了规划策略。研究表明,将所提出的改进避障模型与蝙蝠-粒子群混合算法融合形成改进算法,能够有效解决局部规划中的绕路、死锁及窄道问题。随后对所提出的局部路径规划算法避障能力影响因素进行了分析和讨论。通过仿真实验研究了传感器检测半径、机器人移动速度两个参数对规划算法避障能力的影响规律。研究表明,障碍物以确定性规律运动时传感器检测最佳半径值为移动障碍物最大半径的1.25倍,障碍物以随机性规律运动时传感器检测最佳半径值为移动障碍物最大半径的1.4倍,在该值下机器人能获得较高的避障成功率及相对较低的总路径长度及转弯角度。研究还表明:若机器人移动速度是障碍物移动速度的2～3倍区间内,机器人具有稳定的高避障成功率。最后融合所提全局路径规划算法和局部路径规划算法形成混合路径规划算法,并开展了混合路径规划仿真实验。仿真结果验证了混合路径规划算法的有效性。