随着机器人技术的不断进步,越来越多的航天任务中出现了机器人的身影。不管是国际空间站上承担维护任务的机械臂,还是嫦娥任务中在月球表面巡视的玉兔号月球车,又或是火星探测中无畏探索的火星车,机器人在其中都起着举足轻重的作用,尤其是对于地外行星探测活动而言,由于环境恶劣,载人任务成本高、难度大和危险性高,一般都由星表巡视器等移动机器人来承担其中的主要任务,而由于地外星表巡视器与地球距离遥远,控制人员不能对其进行实时操控,因此就要求其必须具有一定自主能力。另外,随着航天探索的发展,将来可能出现多巡视器协同工作的任务场景,这对移动机器人动态环境下的路径规划能力提出了更高要求。本文针对这一需求,将动态环境下的移动机器人路径规划技术作为研究重点,根据对现有路径规划算法的总结与分析,确定了采用基于采样RRT算法的技术路线。希望通过此研究对我国将来的地外星表探测以及其它移动机器人技术的发展起到一定的作用。本文的主要工作如下:1.对基于采样的概率路径图算法PRM、快速搜索随机树算法RRT,及其常见的改进算法进行了研究与分析,编写了程序,设置不同场景对其进行仿真实验,并对比分析了其优缺点,从而指出对于本文所针对的航天应用中多巡视器协同工作的星表巡视任务,即在带有运动障碍物的动态环境下,上述方法存在的局限性,也为后续的研究奠定了基础。2.针对动态环境,首先提出了基于RRT算法改进的双向搜索的BD-RRT算法,提升了移动机器人在动态环境下的重规划性能。然后针对BD-RRT算法没有考虑障碍物及机器人自身运动的不足,引入对机器人及障碍物运动的时间估计,提出了基于预测的动态环境下RRT重规划策略:P-RRT算法,进一步提高了算法重规划时的稳定性。然后通过设置模拟动态场景并编写程序,对二者进行仿真实验,验证了改进算法的有效性。3.基于实验室现有KUKA youBot移动机器人平台与ROS机器人操作系统搭建实物实验环境,并分别对移动机器人结构、运动学与控制、环境建模等方面的原理与实现进行介绍。在完成了对youBot移动机器人的路径规划仿真之后,搭建实验场景进行实物实验。实验结果表明,与传统的RRT及其改进算法相比,本文所提出的改进算法在重规划耗时、路径代价以及重规划生成路径的稳定性上均有一定优势。这一方面证明了改进算法的优越性,另一方面,完整的移动机器人路径规划实验框架也为今后对于实际星表巡视器完整系统的研究打下了基础。