利用模拟退火-粒子群算法进行全局路径规划后，设置动态障碍物进行DWA局部规划，仅是将两种方法进行融合，没什么难度一看就会，详细讲解请移步至https://blog.csdn.net/weixin_53293018/article/details/129802545?spm=1001.2014.3001.5501

全局路径规划方法 可视图法 路径规划的工作就是要找到起始位置到目标位置的最短距离。

提出了一种基于粒子群优化算法的移动机器人全局路径规划方法. 该方法首先进行环境地图建模, 通过坐
标变换在路径的起点与终点之间建立新地图, 然后利用粒子群优化算法获得一条全局最优路径. 该方法模型简单, 算
法复杂度低, 收敛速度快, 而且模型不依赖于障碍物的形状. 仿真实验证实了该方法的有效性.

基于势场栅格法的机器人全局路径规划

基于地图环境已知下的机器人自主导航，通过Matlab2018实现RRT与双向RRT算法实现全局路径规划，并将规划的点列写入txt文件。之后通过VS2013读取点列数据并以一种比较粗糙的控制方法实现对机器人移动路径控制，实现从起始点运动到目标点的任务。

针对单独机器人难以执行复杂环境中任务的问题，Unmanned Air/Ground Vehicle(UAV/UGV)协同系统近年来受到了广泛关注。为了提高执行任务的工作效率，提出一种基于视觉传感器下UAV/UGV协同系统中UAV目标识别下UGV全局路径规划的方法，无人机利用高空视野优势获取目标物与环境信息, SURF算法和图像分割实现环境建模。无人车根据无人机获取的信息，利用优化的A*算法完成全局路径规划，并且在典型搜救场景中进行了仿真验证。实验表明，SURF算法能满足目标识别的精确度、实时性和鲁棒性；并且利用优化的A*算法实现了UGV快速准确的全局路径规划。

研究了一种基于人工蜂群算法的煤矿救灾机器人全局路径规划算法。该算法首先进行环境建模,然后根据环境信息特点,巧妙结合人工蜂群算法获得机器人全局优化路径。该路径规划方法具有建模方便、算法简单以及不局限于障碍物的形状等特点。实验证明,本算法可以快速有效地规划出一条全局较优化路径,是解决全局环境已知情况下机器人路径规划的一种有效方法。

基于栅格的可视图建模的移动机器人全局路径规划A*搜索算法，朱宝艳，李彩虹，针对点到点的移动机器人全局路径规划，提出基于栅格的改进可视图法建立环境模型，利用A*算法进行全局路径搜索，最终实现全局路径�

基于改进蚁群算法的全局路径规划方法研究，梁建刚，刘晓平，针对移动机器人全局路径规划采用传统蚁群算法存在收敛速度慢、易陷入局部最优的问题，提出基于改进蚁群算法的移动机器人全局路径

基于改进粒子群算法的移动机器人全局路径规划 (2).pdf