近年来,在计算机、传感器与人工智能等技术的共同推动下,对于移动机器人的研究取得了巨大的进步,移动机器人已经被广泛地用于各个领域,例如工业生产、公共服务、太空探索、军事作战等。随着人类社会的不断发展,人们对新一代移动机器人的期望更高,如何让移动机器人满足人们的需要,是机器人发展的主要方向,其中首先需要解决的就是移动机器人的路径规划问题,移动机器人在有障碍物的环境中,仍能快速、安全地寻找到一条从起始位置到目标位置的最优平滑路径,是所有机器人研究者的共同奋斗目标。因此对于移动机器人路径规划的研究意义重大。论文针对移动机器人路径规划问题的研究,重点从移动机器人环境地图建模理论、路径寻优算法以及路径平滑方法三大基本路径规划问题深入展开,目标是让移动机器人在空间环境中安全有效的绕开静态障碍物,规划出一条到达目标位置处的最优路径。首先针对移动机器人环境建模问题,借鉴蜂巢栅格的思想,使用蜂巢栅格法(Honeycomb Grid Map,HGM)对进行移动机器人环境地图建模:将环境地图分成相同大小的正六边形栅格,并将其与传统栅格法进行对比,通过数学分析计算与仿真验证得出:移动机器人在蜂巢栅格地图中绕过障碍物时的转向角变小,路径比减小,在一定程度上缓解了移动机器人由于惯性产生的碰撞问题,减小绕开障碍物时的行走距离;其次针对移动机器人路径搜索问题,依据树向光性生长原理,建立分枝生长模型,使用树生长模拟算法(Tree Growth Simulation Algorithm,TGSA)进行全局遍历式路径寻优,能有效绕开障碍物搜索出最优路径,通过仿真对比实验,将其与相同环境下的蚁群算法进行对比,可以发现在收敛性与路径长度上,该算法的优点都有所体现;最后针对移动机器人路径平滑问题,对移动机器人搜索得到的最优行走路径,使用三阶Bezier曲线对路径进行平滑处理,依据平滑后的路径有无穿过障碍物,提出了一种路径选择机制,选择出一条相对最优的平滑路径,相比路径搜索出的折线路径,其平滑度有所提高,进一步增加了移动机器人的行走安全性。最终搭建移动机器人硬件仿真实验平台,对移动机器人规划出来是最优路径进行模拟验证与实物验证,并将仿真结果与移动机器人实验平台验证结果做对比。结合仿真实验结果与硬件平台搭建测试结果,验证相关理论算法的可行性,实验结果也进一步验证了移动机器人在静态障碍物环境中能安全、有效的完成路径规划。