近年来,人工智能的兴起促进了移动机器人领域的发展。目前,随着家庭、医院、工厂等社会领域对机器人的需求量逐步扩大,这对移动机器人的工作效率、可靠性等方面提出了更高要求。移动机器人作为一种重要的生产工具,常需要从一个目标点移动到另一个目标点,而目标点之间可能会存在障碍物,因此设计快速有效的路径规划算法可提高移动机器人的工作效率。然而基于随机采样的路径规划算法普遍存在着效率低、抗干扰能力差等问题。针对以上问题,结合静态场景的路径结构和动态场景的环境结构,提出了应用稀疏化拓扑结构的路径规划算法,有效地提高了移动机器人的工作效率。主要工作包含以下两个方面:（1）针对静态场景下随机采样的路径规划算法效率低且采样具有随机性的问题,提出了一种基于稀疏拓扑结构的路径规划算法。首先,利用骨架提取算法得到地图中可行路径的轮廓骨架,通过自适应阈值对轮廓骨架中变化较大的特征点进行稀疏化处理,得到稀疏拓扑节点。由稀疏拓扑节点构成的稀疏化拓扑结构图使随机树的扩展更具方向性,从而减少寻路时间。为了加强结构图中交叉支路上稀疏拓扑节点间的联系,采用非单一父节点的布线原则。然后,通过节点扩充策略增加相邻稀疏拓扑节点间的节点数量以减少无用的空间搜索。最后,添加约束条件来限制稀疏拓扑节点之间的距离对路径进行分步优化。通过提高基于采样的路径规划算法的效率,使移动机器人在静态场景下可以快速得到规划路径。（2）针对动态场景中障碍物的移动对规划路径的干扰问题,提出了一种基于动态场景结构膨胀感知的路径规划算法。首先,通过栅格地图的稀疏拓扑结构图使随机树的扩展更具方向性,在此基础上,采用改进的双向快速搜索随机树算法得到初始路径。其次,根据动态障碍物的大小和数量、静态障碍物之间的最短距离和地图的大小,通过自适应算子构建机器人的膨胀模型。让其在动态的场景下,预碰撞到移动的障碍物。在感知到动态的障碍物后,通过双向快速搜索随机树对路径进行重规划。最后,基于随机采样算法得到的规划路径特点,构建移动机器人的运动模型。通过提高基于采样的路径规划算法的抗干扰能力,实现动态场景下的移动机器人避障导航。本文在静态场景中,构建了常规环境、狭长空间和仿真的室内环境三种栅格地图;在动态场景中,在仿真的室内环境中添加了动态障碍物,并分别进行了实验。实验结果表明,本文算法在规划路径的性能上有明显提升。