路径规划是机器人实现自主导航的关键技术,由于室内机器人的应用场景复杂多变,单一使用一种路径规划方法不能使机器人很好的适应多变的环境。对此,针对全局环境已知但存在突现障碍物的室内环境,本文提出一种将全局路径规划和局部路径规划进行结合的混合路径规划。主要研究内容如下:首先构建路径规划所需的高精度地图,针对RBPF建图算法中粒子退化和多样性降低的问题,提出一种基于退火优化和遗传重采样的RBPF算法。一方面在提议分布中引入观测信息,另一方面在重采样过程中对粒子引入自适应变异交叉操作。通过仿真实验验证改进后的RBPF算法能以较少的粒子数建立高精度的栅格地图。其次使用粒子群算法进行全局路径规划研究,针对粒子群算法易出现早熟收敛,陷入局部最优解等问题,引入全局搜索能力强的模拟退火算法,通过仿真实验验证了模拟退火粒子群算法具有较强的全局搜索能力,能够跳出局部最优解,得到的路径质量更优。针对机器人行驶过程中遇到的突现障碍物,采用动态窗口法进行局部规划,为了改善距离目标点比较近时,动态窗口法会使机器人偏离目标点的缺点,在其评价函数中引入目标距离,提高机器人在靠近目标点时的速度控制能力。同时利用激光传感器感知环境信息,对检测到的障碍物预测其运动轨迹,根据不同的碰撞类型采取相应避障措施。通过仿真实验证明,机器人能有效避开行驶过程中遇到的动静态障碍物。最后针对复杂多变的室内环境,将模拟退火粒子群算法与改进动态窗口法进行结合,首先使用模拟退火粒子群规划全局最优路径,机器人沿其行驶过程中对于突现障碍物,采取动态窗口法进行避障,完成避障后返回全局最优路径继续行驶。利用Turtlebot2机器人搭建基于ROS的实验平台,引入本文算法并进行实验。通过仿真实验和实际验证,证明机器人在沿最优路径行驶时能有效避开突现的动静态障碍物,完成路径规划。