近几年,智能移动机器人及自动驾驶技术飞速发展,其也带动了相关算法的研究热潮。其中,局部路径规划算法是智能移动终端能够安全快速到达目的关键。局部路径规划算法赋予了移动机器人及智能汽车在动态环境中能顺利到达预定目标,完成既定任务的能力。该算法通常需要以动态环境中稳定精确的定位和已知的全局地图为基础,以快速感应环境的动态变化为输入,基于综合信息进行处理与决策。因此本文主要研究内容包括:动态环境中的定位算法,结合图像分析约束的改进DWA(Dynamic Window Approach)算法以及建立基于视觉的动态环境定位与基于2D激光雷达的松耦合的局部路径规划系统。具体研究工作如下:第一,拓展了传统的基于静态环境假设的视觉定位算法在动态环境中的定位能力。利用深度学习的图像分割能力,对环境中潜在的运动物体进行筛选;利用传统图像处理算法,对深度学习的图像分割结果进行细节修补;最后对潜在的运动物体进行运动判断,将图像中参与定位的运动物体进行剔除。将动态物体的识别与剔除算法应用在视觉定位算法中。实验结果表明,在动态环境中,该算法提高了原视觉定位算法的鲁棒性,相比最优动态环境定位算法,性能同样也有所提升。第二,提出结合图像分析信息的DWA算法。对采集的图像信息进行障碍物分析,在图像中预测动态障碍物的运动信息,并对栅格地图中的动态栅格进行标注,将避免智能移动终端与障碍物在预测路径上发生碰撞作为DWA路径选择的条件之一。将基于图像分析的DWA算法应用到动态环境路径规划与路径计算中,实验结果表明,在动态环境中,基于图像分析的DWA算法能够针对障碍物的动态变化选择安全路径。最后,在硬件平台上搭建移动机器人及动态环境模型,对本文提出的研究内容进行实验仿真以及效果评估,对比改进算法以及原算法效果。实验结果表明,新型局部路径规划算法更能适应动态环境,在动态环境中构建地图,并且针对动态障碍物选择更安全高效的路径。