随着科学技术的高速发展,自主移动机器人已应用于多个领域,成为社会发展中不可或缺的一部分。路径规划是移动机器人导航中的一个重要问题,不同类型的机器人服务于各行各业,需要适应不同的动态环境,所以在动态环境下实现安全高效的路径规划是研究领域的一个热点问题。本文针对人工势场法进行研究,分析传统算法的弊端,并提出一种改进的人工势场法,提高动态环境中路径规划的安全性和高效性。主要工作包括以下几个方面:1)传统人工势场法的弊端主要包括:①由于机器人的移动步长较大,在存在障碍物的情况下路径容易发生振荡;②目标不可达;③陷入局部最小区域。本文针对人工势场法中经典的局部极小值问题,对其形成原因、检测方案和常见的解决方案进行讨论,并选择其中的临时虚拟目标点方法改进局部极小值问题。但部分经典方案均需要检测机器人是否陷入局部极小值区域,然后引导机器人离开该区域,路径效率较低。本文针对局部极小值问题,使用动态窗口法改进人工势场法。动态窗口法通过速度采样对轨迹进行模拟,然后利用评价函数求解路径最优解。首先对人工势场法求解的轨迹进行模拟,并根据势场法的特性,设置评价标准选取最优路径。在机器人陷入局部极小值区域时,会选取模拟轨迹中的最优路径,使得算法无需检测该区域,可直接躲避。改进后的算法,提高路径效率、减少检测环节和消除路径振荡问题。2)动态环境下,基于动态窗口法改进的人工势场法规划的路径安全性较低,本文提出基于危险指数的人工势场法来提高安全性。通过引入速度势场进一步改进斥力函数,使机器人躲避动态障碍物不仅仅依赖于两者之间的位置关系。本文引入危险指数的思想,利用机器人和动态障碍物之间的关系,进一步改进速度斥力势场,提出一种基于危险指数改进的人工势场法。危险指数中,根据机器人和动态障碍物的速度关系计算相对速度影响系数,选择不同的避障策略,并建立速度斥力势场,提高路径的效率。根据两者的位置关系计算相对距离影响因子,该因子控制速度斥力势场的影响程度,增加路径的安全性。在相同的实验条件下,将ROS(Robot Operating System)中的路径规划算法与本文算法进行仿真实验对比。实验结果表明,基于危险指数改进后,在慢速的动态环境下,可以规划出与ROS效率相当的路径。而在快速的动态环境下,相较于ROS的路径,本文算法不仅保证了路径的安全性,在路径效率方面也有明显的优势。3)本文将基于危险指数改进的人工势场路径规划算法在移动机器人TIAGo上进行实现,融合多种传感器数据获取环境信息,并利用识别算法和滤波算法对数据进行处理,搭建完整的路径规划系统。最后,搭建复杂的室内动态环境,在该环境中进行路径规划实验,证明该系统的可行性、安全性和高效性。