目前,搜救机器人广泛应用于战争、自然灾害和NBCR等的现场勘察和伤员搜救等任务中。与常见的结构化环境不同,复杂的灾后环境下的各类障碍物以及非结构化地形会对机器人的自主运动带来极大挑战。因此,提升搜救机器人在非结构地形等复杂环境下的自主导航与路径规划能力,对于提高搜救机器人的救援效率、增强未知环境下的生存能力具有重要意义。寻找一条从起点到目标点无障碍的最短或最优路径成为提升搜救机器人自主导航能力的关键。本文以搜救机器人为目标载体平台,结合非结构化环境的特点,开展了基于蚁群算法的静态全局路径规划和基于动态窗口法的动态局部路径规划研究,并在此基础上完成了三维环境下的静态全局路径规划。主要研究工作如下:（1）针对传统蚁群算法易出现搜索停滞、收敛速度慢等问题,提出一种改进蚁群算法。通过融合了A*算法的启发函数和B样条曲线法,对算法的初始信息素浓度和路径转弯节点进行改进,提高了算法收敛性和生成路径的平滑性。在信息素更新规则中加入转向代价,减少路径中的转折点,采用自适应调整信息素挥发因子,避免算法陷入停滞。最后进行仿真及实验验证,本文提出的改进算法相较于传统算法路径长度减少了9.5%、转弯次数减少了60%、迭代次数减少了72%。实验结果表明显示本文提出的改进蚁群算法的可行性和有效性都优于传统蚁群算法。（2）基于动态窗口法设计了一套相应的避碰策略,然后通过仿真实验,验证了该算法具有良好的避障性。完成了改进蚁群算法与动态窗口法相结合的混合路径规划算法,通过仿真验证了在已知静态环境障碍物但存在部分动态障碍物的复杂环境下,混合路径算法可以使搜救机器人及时地对动态障碍物做出相应的行为决策,顺利的到达目标点。（3）针对机器人在三维环境下的路径规划问题,将三维立体空间划分为一个个平面,再将每个平面栅格化,完成了用于陆地搜救机器人的NBCR等灾害现场的三维陆地环境建模和用于搜救无人机的城市环境建模。针对三维环境复杂、地貌多变的特点,增加避障策略,采用伪随机概率来提高前期蚂蚁搜索效率;每次迭代完成后依据优质蚂蚁更新规则,削弱最差蚂蚁路径的信息素;死锁点回退保证解的多样性。在三维城市环境模型中,改进双向A*算法的搜索目标点,加快算法寻找解的速度;对最优路径进行二次优化,减少最优路径的转折点和路径长度。综上所述,本文开展了复杂环境下搜救机器人路径规划方法研究,针对搜救机器人在复杂环境下路径规划能力不足的问题进行重点攻关,形成了一套在复杂环境下切实可用的路径规划算法。首先,优化了具有全局路径规划能力的蚁群算法,对信息素规则和信息素挥发因子进行改进,融合A*算法启发函数和B样条曲线法,实验结果显示算法性能相较与传统算法有较大提升。然后设计了动态窗口法的避碰策略,并完成了全局算法和局部算法的融合和仿真实验,验证了复杂环境下的路径规划效果。最后基于二维地图完成了三维环境下的全局路径规划算法验证,并设计了基于A*算法的三维搜救无人机路径规划算法。本文的相关研究成果可完成搜救机器人在复杂未知环境下的路径规划,能够有效提升搜救机器人的自主导航能力,为进一步提升搜救机器人执行救援任务时的实战性能做出贡献。