随着机器人技术的快速发展,路径规划也成为了机器人领域研究的热点问题之一。路径规划不但要满足机器人能顺利从起始点运行到目标点,还要考虑时间、距离等条件因素,并尽可能对这些指标进行优化。A*算法作为一种新型的启发式搜索算法,由于其具有搜索迅速且容易实现等优点,已经有许多研究者尝试着将其用于解决移动机器人路径规划问题。但是A*算法在启发式前期搜索阶段过早地删除了某些潜在最优节点且扩展的邻域个数只有离散的8个邻域,导致A*算法解决移动机器人路径规划问题时,许多情况下优化出来的路径不是全局最优的路径,而是次优路径。本文针对此缺点,在移动机器人工作环境为全局已知静态障碍情况下,研究了两种基于改进A*算法的移动机器人路径规划方法。改进的A*算法能够改善传统A*算法自身的缺点,在移动机器人路径规划中求得满意的路径。本文的研究内容包括以下几个方面:(1)传统A*算法在路径规划时,由于潜在最优节点的过早删除以及每次搜索邻域只有相邻8邻域的限制,导致规划的路径长度并非最优,针对此缺点,在A*算法的基础上,进一步改进其启发搜索策略,将传统A*算法的可搜索邻域个数从离散的8个扩展为24个,搜索方向也变为连续更多的方向。将24邻域A*算法应用在移动机器人路径规划上,并与传统A*算法、44邻域A*算法实验数据进行对比,验证其路径长度的优化效果。(2)鉴于24邻域A*算法相对于传统A*算法出现的时间延迟,提出双向24邻域A*算法,搜索沿着正反两个方向同时进行,同时将每个方向扩展出的最优邻接点作为对应方向上的目标节点进行搜索。仿真结果表明,双向24邻域A*算法在路径长度优于传统A*算法的基础上,成功缩短了移动机器人的路径规划时间。本文提出的两种基于改进A*算法的移动机器人路径规划方法可以显著地提高传统A*算法的运行效率,有效克服传统A*算法应用于移动机器人路径规划时,出现的规划路径长度不是最优、路径不够平滑等问题,具有现实的研究意义。