随着电子商务的迅速发展,智能仓库下的物流业也在蓬勃发展,其中移动机器人的使用已经慢慢成为代替人力的物流业主流发展趋势,路径规划技术是机器人完成复杂任务的前提条件,规划的成功与否决定了移动机器人能否高效、安全、自主地完成任务。现阶段研究中对于仓储环境下只有静态障碍物的移动机器人路径规划已经相当成熟,但是对于环境中会出现运动状态未知的动态障碍物的情况,移动机器人的局部路径规划技术的研究成为难点问题,有待进一步的探索研究。本文在面向仓储物流的环境下,研究环境中既存在静态障碍物又存在动态障碍物的情况下具有实时性和可行性的一种路径规划方法,目的是提高移动机器人对仓储环境的及时感知以及能做出对应的判断的能力。并对传统蚁群算法(Ant Colony Algorithm,ACA)所存在的一些焦点问题进行深入研究,给出解决方案。主要工作包括:1、通过引用精英策略的方法,对蚁群转移概率中信息素的更新方法进行改进,可以解决传统ACA在运行初期收敛速度过慢的问题。其中通过增加ACA转移概率函数中的信息素浓度,用自适应的方法调整状态转移概率的值,可以提高搜索速度,对解的多样性进行增强操作。文中通过仿真实验验证本文提出的改进ACA在仓储物流中只有静态障碍物的环境下的移动机器人路径规划的优越性。2、在引入精英策略的改进蚁群算法的基础上加入基于中心点的平滑方法,该方法使得路径中的较小转角更为平滑,降低了机器人在路径转弯处的能量损耗,机器人实体在行进中的稳定性也得到了保障,解决了仓储物流中的移动机器人在前进过程中会遇到的实际问题,进行仿真实验,证明了所提算法性能的实用性。3、针对仓储环境中还会有动态障碍物情况下的移动机器人路径规划问题,本文采用在全局静态路径规划的基础上结合局部动态避碰规划的方法。首先,在不考虑动态障碍物的仓储环境中,利用改进ACA规划出一条全局最优无碰路径;其次,在全局路径规划完成的基础上,本文通过引入基于滚动窗口的方法对机器人运行环境进行探测,对于规划好的机器人行走路线,预先检测其是否会与仓储机器人运行环境中出现的动态障碍物发生碰撞,在滚动窗口检测的基础上提出了障碍物运行状态不同的各种情况下移动机器人相对应的避障策略,利用改进后的ACA规划出适合机器人行走并避开动态障碍物的最优路径。经仿真实验证明,结果显示了该方法的能够有效地避开环境中的动态障碍物。