随着机器人技术的发展,自主移动机器人成为当前移动机器人发展的主要趋势,提升移动机器人智能化和自主化程度逐渐成为国内外学者研究的热点。针对复杂未知环境下的路径规划和自主探测问题,基于快速扩展随机树（Rapidly Exploring Random Tree,RRT）算法,本文给出了一种改进RRT＿Connect的路径规划算法和一种改进RRT的自主探测策略。本文的主要研究内容如下:研究RRT算法及其改进算法在路径规划问题中的应用。首先针对RRT算法在路径规划中存在搜索平均、效率低下等问题,利用双向搜索策略替代传统RRT算法的完全随机探索,基于目标偏向思想提出一种采用终点和已搜索节点偏向策略的改进RRT＿Connect算法。该终点和已搜索节点偏向策略在随机采样函数中引入终点和已搜索节点偏向概率基准值,使随机采样点按随机概率设定为终点或已搜索节点。然后针对改进RRT＿Connect算法规划路径质量不高的问题,提出一种优化已搜索节点和已规划部分路径的改进RRT＿Connect算法,通过筛选有效新节点和一定范围内邻节点的父节点,优化路径规划成本。最后在此基础上,通过Py Charm平台搭建了障碍物仿真环境,对RRT算法、RRT＿Connect算法、RRT*算法和本文改进RRT＿Connect算法进行了路径规划仿真实验。实验结果表明,本文提出的改进RRT＿Connect算法缩短了路径规划的时间和长度,减少了搜索迭代次数和节点数,提高了算法收敛速度并降低了系统内存能耗。研究RRT算法和同步定位与地图构建（Simultaneous Localization and Mapping,SLAM）算法在自主探测问题中的应用。首先针对RRT自主探测策略存在检测前沿边界点效率低的问题,提出了一种基于多个引航点偏向策略的改进RRT全局前沿边界点检测算法。该多个引航点偏向策略在随机采样函数中引入引航点偏向概率基准值,使全局搜索树按随机概率朝着引航点探测前沿边界点。然后针对RRT自主探测策略存在建图过程出现漂移失真的问题,提出了一种将基于图优化的Karto SLAM算法与改进RRT全局前沿边界点检测算法相结合的自主探测策略。最后在机器人操作系统（Robot Operating System,ROS）的Gazebo平台上搭建了三维障碍物空间,对RRT自主探测策略、本文改进RRT自主探测策略进行了自主探索仿真实验。实验结果表明,本文提出的改进RRT自主探测策略在自主探索中探测时间和探测轨迹长度都优于前者,探索结果的覆盖率高于前者,提高了RRT自主探测的效率和探测结果的准确性。研究并搭建ROS自主移动机器人实验平台。首先设计了ROS自主移动机器人硬件系统的结构,并基于该结构选择相应传感器和硬件搭建自主移动机器人实验平台。然后针对以上所述研究应用设计了实际障碍物环境,并进行自主探测和路径规划实机实验。通过实机实验,验证了本文提出的路径规划算法和自主探测策略的有效性和可行性。