针对RRT(rapidly exploring random tree)路径规划算法搜索范围大、目标导向差、容易陷入局部最小值以及路径曲折等问题,提出了一种限制自适应采样区域的改进RRT路径规划算法。将整个搜索空间划分成均匀的等级,根据新节点所在等级和该等级内采样点数量动态调整采样区域,减小搜索范围;利用新节点改进策略使随机树根据环境信息自适应地向目标点调整,并改变扩展步长生成新节点;利用障碍物躲避策略提高算法的目标导向性和躲避障碍物的性能;利用改进的逆向寻优和插入节点并减小转向角的三次B样条曲线对路径进行优化处理。该算法在不同的路径环境中相较于RRT算法的搜索时间和迭代次数均减少了70%以上,且经过优化的路径更短、更平滑。