无人水面艇（Unmanned Surface Vehicle,USV）是一种智能化海洋装备,相较于有人舰艇具有诸多明显优势,能够在海洋中执行各种特殊的任务。作为一个复杂综合的系统,无人水面艇中涉及到众多技术,在这些技术之中,路径规划技术是最基本也是最重要的技术之一。路径规划技术是无人水面艇实现各种复杂功能的基础,也是目前无人水面艇领域内研究的热点。在海上航行时,无人水面艇将面对十分复杂的海况以及各种不同的障碍物,为保障其安全航行,对无人水面艇的自主路径规划能力提出了很高的要求。在科技部国家重点研发计划海洋环境安全保障专项课题（编号:2017YFC1405401）和中国科学院战略先导科技专项A类（编号:XDA13030203）的支持下,本文主要围绕无人水面艇路径规划中的环境地图构建、全局路径规划及局部路径规划问题展开。路径规划的基础问题是环境地图的表示方法,在构建环境地图前,首先研究了 USV系统组成,详细分析了其中的路径规划子系统,在此基础上引出环境地图构建问题,详细研究了构建环境地图的方法,包括栅格法、可视图法和Voronoi图法,本文中使用的环境模型借鉴了 Voronoi图的思想。对于全局路径规划而言,传统算法对环境的适应性差,不具备在线重规划的能力,而随机路图法（Probabilistic Roadmap Method,PRM）避免了对空间的建模,而仅仅通过对位形空间的采样点进行碰撞检测来获取障碍物信息,构建一张可以重复使用的路图,在路图中搜索可行路径。这使它能够处理多障碍物复杂的环境中的路径规划问题,并具备一定的在线重规划能力,且随机路图法具有易实现、通用性好的特点。本文通过设计仿真实验,验证了 PRM算法在无人水面艇全局路径规划问题中的有效性,实验结果表明,与遗传算法相比PRM算法在运行时间和产生的路径长度上具有更好的效果。对于局部路径规划而言,常见算法均不能满足高速无人水面艇对实时性的要求。而快速扩展随机树（Rapidly-exploring Random Tree,RRT）算法在进行路径规划时,无需对环境建模,寻路速度快,具有概率完备性,只要环境中存在可行路径,随着节点数的增加就一定可以找到该条路径。但随机树中的节点是随机生成的,路径搜索时随机性大,针对这一问题,在基本RRT算法的基础上引入了人工势场法中的引力场和斥力场,对RRT算法进行了改进,并将改进的RRT算法与基本RRT算法、人工势场法和模糊逻辑法进行了对比仿真实验,实验结果表明改进的RRT算法既克服了原算法随机性大的缺点,又加快了算法的寻路速度,并在路径长度和运行时间上具有更加优良的表现。