路径规划技术是移动机器人导航系统中最重要的部分和环节，如何在有效的躲避障碍物的同时规划出代价最小的路径，以此指导机器人移动，是一个值得关注的问题。而全局路径规划就可以在躲避障碍物的前提下使得规划出的路径代价最小。本文研究此问题时所用方法为：将取得的有关环境信息的图像运用数字图像处理技术处理，然后搜索路径时提出了新的解决路径规划问题的算法即磁性细菌优化算法，该算法无论从收敛时间还是搜索路径的稳定性方面都体现出了一定的优势。
　　本研究主要内容包括：⑴在路径搜索之前，最重要的是获取环境信息和信息的处理。在环境信息的获取方面，本文采用将摄像头采集到的图像进行一定的处理后得到障碍物的边缘，然后按照纵横比映射到栅格图中。另外，将机器人视为质点，考虑到实际中路径的安全性，采用虚拟障碍物方法使获取到的障碍物信息在栅格图中以机器人的半径进行膨胀以便机器人沿规划好的路径移动时能够成功的躲避障碍物。⑵环境建模之后，本文重点介绍了两种算法用于路径的搜索，生物地理学算法和磁性细菌优化算法。根据生物地理学算法(BBO)搜索的路径值较长和规划时间长的缺点，对算法进行了改进，即禁忌移动策略和迁移策略调整。由仿真实验得到的数据可以看出改进后路径缩短了，收敛速度也有了提高。⑶针对磁性细菌算法(MBOA)，研究了细胞数、磁感应强度和两个能量系数对路径规划的影响，并分析仿真的结果，给出了一定的适用范围，结合实际情况提出了虚拟障碍物方法保证了路径的安全性并采用Bezier曲线提高了路径的平滑程度。⑷主要对改进后的BBO算法、MBOA算法、A*和PSO算法四种算法之间进行了比较。为充分比较算法的性能，分别在已知和未知的初等复杂度环境下、中等复杂度环境和高等复杂度环境下进行仿真实验，对实验得到的数据采用统计学的相关理论评估了算法的稳定性和规划时效。最后，根据实际情况下路径需要满足的条件，提出了由安全性惩罚函数和路径最短性惩罚函数组成的总的评价函数。