随着无人驾驶和人工智能等新兴技术的快速崛起,众多专家学者们对机器人技术的研究展现出了前所未有的热情。路径规划作为机器人技术研究领域一项必不可少的关键技术,近年来正被广泛应用于智能物流、智能家居、海上搜救、巡航等领域。一个具备优秀路径规划能力的机器人不仅能够在充满障碍的环境中快速地规划出一条安全且平滑的路径,还能保证这条路径在某项评价指标上达到最优。本文以移动机器人作为应用载体,针对A*算法在静态障碍环境中的全局路径规划问题与动态窗口法在动态障碍环境中的局部路径规划问题进行了深入研究分析,并对这两种算法进行了相对应的改进与融合,使这两种算法的优势得到互补,解决了单一算法一直无法解决的实时避障能力差与全局搜索能力差的问题。本文研究的主要内容如下:（1）详细分析了标准A*算法的基本理论与实现步骤,针对标准A*算法在寻路过程中频繁计算大量无意义节点而导致其路径规划效率降低的问题,本文提出通过引入跳点搜索的搜索策略对其进行优化,优化后的A*算法不再对路径搜索过程中的大量无意义节点进行无效计算,而只对那些筛选出的少量跳点进行跳跃式搜索,从而有效地提高了全局路径的搜索速度,并通过对优化前后A*算法的路径规划过程与性能指标进行了多维度的仿真实验对比分析,证明了该优化A*算法的有效性与泛化性。（2）针对动态窗口法在路径规划过程中出现的容易陷入局部区域而无法完成导航等问题,对动态窗口法进行了改进,并设计了一个新的方位角评价指标,使移动机器人在运动过程中能够同时对全局路径节点与目标点进行充分评估,弥补了动态窗口法在全局路径规划方面的缺陷,同时,本文还针对以上两种算法的改进提出了基于优化A*算法与改进动态窗口法的融合算法,将优化A*算法所获得的全局路径跳点融入改进动态窗口法中,有效地提高了移动机器人的路径规划性能。（3）搭建了基于ROS系统的软硬件实验平台,设计了简单与复杂静态障碍物场景以及动态障碍物场景等3种不同的实际实验环境,并利用搭建好的基于ROS的实验平台对上述实验环境进行了SLAM构建环境地图。在这3种实际环境地图上,对基于A*算法与动态窗口法的路径规划融合算法分别进行了静态与动态实物验证实验,验证了该融合算法在静态环境与动态环境中的有效性、可行性。