机器人自主导航包括同时定位与地图构建(Simultaneous Localization and Mapping,SLAM)和自主路径规划,是智能移动机器人研究的重要内容。为了提升机器人在动态环境中路径规划的能力,本文对动态环境下基于激光SLAM的移动机器人动态路径规划进行研究,具有理论意义和实用价值。本文首先分析移动机器人自主导航领域的国内外研究现状。设计激光SLAM移动机器人导航系统,以激光雷达和里程计采集信息,以Fast SLAM算法为基础实现SLAM功能,以机器人操作系统(Robot Operating System,ROS)为软件平台。为了实现动态路径规划功能,对当前主要路径规划方法进行比较,选定D*lite算法作为路径规划的基本算法,针对D*lite算法中存在降低搜索效率的问题,将研究重点聚焦在D*lite算法的改进。在D*lite算法进行初次路径规划时,如果搜索空间被障碍物分隔成多个较小的自由区域,会隐藏正确的搜索方向,增加了计算次数,降低了搜索效率,针对这一问题提出一种基于单元分解的改进D*lite初次路径规划算法。在原有Boustrophedon单元分解法的基础上加入了新的分解规则,对地图进行单元分解并构建了以单元为节点的图。设计了双向图搜索算法,能够快速计算出路径需要依次经过哪些单元。在这些单元中设置核心网格并依照顺序构建搜索链表,引导正确的搜索方向,使规划速度提高。实验结果表明该改进算法提高了在初始地图中进行初次路径规划的效率。在动态环境中,初次规划的路径在机器人的移动过程中可能会被新的障碍物阻挡,此时需要重新规划路径。D*lite算法只需要在局部区域内进行重规划,但是算法通过多次访问优先队列来对受影响区域进行重新初始化,这样影响了重规划的效率,针对这一问题提出一种基于截断搜索树的改进D*lite路径重规划算法。利用父指针在初次路径规划后生成搜索树,采用截断受影响分支的方法快速地重新初始化受影响网格,减少对优先队列的访问,进而减少了时间消耗。实验结果表明改进后的算法能够提高动态环境中路径重规划的效率。最后,以Fast SLAM算法和本文提出的路径规划算法为基础,通过软硬件设计完成激光SLAM移动机器人导航系统的搭建。通过在动态环境下的导航实验,对本文提出的路径规划算法进行验证。实验结果表明,本文提出的路径规划算法能够有效地完成动态环境下智能移动机器人的路径规划,该导航系统可以稳定完成移动机器人导航。