近年来,随着定位导航技术的逐渐成熟,使移动机器人在未知环境中的自主导航成为可能。但是即使是当前最先进的同步定位与建图（SLAM）技术,也会因为传感器中的噪声而给地图中障碍物的定位带来不确定性。典型的路径规划算法都关注如何降低这种不确定性,而本文将从另一个角度来解决这种信息的不确定性。针对环境信息的不确定性问题,提出了一种基于Voronoi图与不确定性势场算法的路径规划方法,使移动机器人在信息不确定的环境中能与障碍物保持更大的安全距离,实现在不确定性区域更谨慎的导航。本文主要工作及贡献如下:（1）在全局路径规划方面,考虑到全局信息的不确定性,选用路径安全性更高的Voronoi图对规划空间建模,并基于A*算法中启发式函数在评价函数中所占权值对算法性能的影响,引入动态系数,使得A*算法可以在全局路径规划中既保证实时性又保证准确性。（2）在局部路径规划方面,本文建立了障碍物不确定性模型,并分析了传统人工势场算法缺点,通过优化传统人工势场算法并结合障碍物不确定性,形成不确定性势场,将移动机器人在势场中的所受的合力作为机器人的控制输入,引导机器人向局部目标点前进。（3）融合前述的全局路径规划与局部路径规划,提出了基于Voronoi与不确定性势场的移动机器人路径规划算法。上级规划使用Voronoi图进行规划空间建模,并使用A*路径搜索算法遍历图中节点,确保找到连通起点与全局目标点的离散路径节点集。下级路径规划使用不确定性势场法,保证了机器人不仅能规避障碍物,还能与障碍物保持更远的安全距离,并得到连接全局路径节点的平滑路径。且通过层次划分,使得规划代价高的全局路径规划以较低的频率运行,根据当前环境信息,优化路径,而规划代价低的局部路径规划以很高的频率运行,保证能对障碍物的位置变化及时做出反应。最终的仿真分析证明了本文提出的基于Voronoi不确定性势场的移动机器人路径规划方法能与环境中障碍物保持足够的安全距离,并具有良好的实时性。同时,也为移动机器人在未知环境中导航时会遇到的信息不确定问题提出了新的解决方案。