路径规划是移动机器人导航研究的热点。二维路径规划技术已较成熟,并成功应用于工程中。鉴于机器人作业于三维空间,三维环境下的路径规划研究具有高度必要性。本文研究内容及其结果如下:1、简述移动机器人的发展、种类和典型应用,说明路径规划技术的作用,总结路径规划技术在国内外发展现状。介绍几种常见的模型建立方法,采用改进栅格法进行环境建模。为保证路径搜索的完整性,采用了平面与可视域结合的搜索模式。2、蚁群算法方面,结合了局部信息素更新和全局信息素更新,设计启发函数,引入回退机制避免死锁现象。将蚁群算法在多种情形下进行仿真实验,图像数据结果表明蚁群算法适用于三维路径规划。同时,引入安全值的计算在环境建模阶段,在路径规划时直接调用计算好的安全值,其平均运行时间缩短为边搜索路径边计算安全值所用平均时间的1/12,提高了算法效率。3、模拟退火遗传算法方面,介绍遗传算法思想和步骤,以及编码方式的处理、初始种群的创建、适应度函数建立、遗传算子等部分。针对遗传算法不易收敛的缺点,分别在算法运行初期和算法运行后期各引入了一次模拟退火;重新设计了轮盘赌选择机制,并采用了最优个体保存策略;在一条染色体有变异基因的条件下,求取一位基因变异的概率,并限定了基因的变异程度。通过在相同出发点目标点、不同地形和不同出发点目标点、相同地形下进行多次仿真实验,对比模拟退火遗传算法和蚁群算法各方面的性能。比较发现,在躲避障碍物方面,模拟退火遗传算法输出的最优路径轨迹要优于蚁群算法的最优路径轨迹;在多次运行下,模拟退火遗传算法的平均最优路径长度小于蚁群算法的平均最优路径长度,平均路径长度缩短6.85%。在运算时间上,蚁群算法的运行时间稍短于模拟退火遗传算法,平均运行时间差在3s范围内。