路径规划技术作为机器人研究中的关键技术之一,研究路径规划技术能够促进机器人在生活中的实际应用。传统的路径规划研究大多是针对两点间的任务规划,无法满足时序任务需求,目前基于线性时序逻辑(Linear Temporal Logic,LTL)的路径规划方法可以完成复杂的多点任务规划,但针对的是静态环境,无法满足频繁变化的复杂环境。同时,当前路径规划方法是基于离散的环境模型去搜索路径,并未实现离散路径连续化的运动控制,所以适用于复杂环境的满足时序任务约束的机器人运动规划方法具有重要的研究意义。LTL理论为描述机器人时序任务提供了理论支撑,LTL公式依据其语法语义可以规范地阐述复杂的时序任务,本文基于LTL理论,研究了复杂环境中满足时序任务约束的机器人运动规划方法。首先,针对室外复杂环境难以构建为有限节点状态的网络拓扑和多点时序任务的全局规划问题,研究了基于LBS(Location Based Services,LBS)的时序任务约束运动规划,LBS是基于位置的服务,结合了地理信息与移动通信等技术,根据时序任务约束的任务节点,利用百度地图LBS构建有限状态的加权切换系统,通过LTL语言描述时序任务,并生成符合工作环境与任务约束的Product自动机,基于Dijkstra算法在Product自动机上搜索最优离散路径,并在利用百度地图LBS完成离散路径的连续化。然后,针对室内的动态环境和机器人动态模型,研究了基于机器人动态模型的时序任务约束运动规划方法,根据机器人室内工作环境,利用栅格法建立环境模型和加权切换系统,通过设计的基于A*的路径搜索算法去搜索全局离散路径,提高搜索效率,针对机器人动态模型设计融合了避障策略的机器人状态切换控制方法,将离散路径转化为连续的轨迹。最后,基于SLAM设计了时序任务约束的机器人运动规划系统,对基于机器人动态模型的时序任务约束运动规划方法进行了实现,该系统利用自适应蒙特卡洛定位算法完成机器人自定位,同时设计了时序任务定制上位机操作界面和双避障模式,实现系统的易操作性和适用性。本文对上述满足时序任务约束的机器人运动规划方法进行了仿真和实验,结果表明本文提出的方法能够完成复杂环境中受时序任务约束的机器人运动规划,实现机器人上层任务规划与底层运动控制的融合,促进机器人在复杂环境中的应用。