当前的机器人产业蓬勃发展，机器人的应用场景越来越广泛，室内机器人的身影也逐渐出现在人们的日常生活中。自主导航功能是室内机器人完成任务的关键，所以本文对自主导航技术中的激光SLAM和路径规划两个核心内容展开了研究，主要研究内容如下: (1)建立了机器人的运动学模型、里程计模型和激光观测模型;在ROS软件平台上，仿照实际环境设计了实验所用的仿真机器人和仿真环境;根据实际需求完成了底层控制板的设计、制作和软件功能模块的编写，并在此基础上完成了机器人硬件实验平台的搭建。 (2)针对低频二维激光雷达运动畸变和感知范围局限的问题，通过边界滤波、融合超声波数据、里程计辅助与ICP匹配相结合的方式提升了激光雷达数据的准确度和感知范围。针对机器人运动打滑等原因导致里程计不准确的问题，通过扩展卡尔曼算法对轮式里程计和IMU进行数据融合，提高了对自身位姿估计的准确度。针对Gmapping算法粒子退化和粒子多样。陛降低的问题，首先利用调控参数对于提议分布进行比例调整，使提议分布更符合真实分布;然后在重采样过程中运用粒子分区和自适应交叉变异的方法，减少粒子重采样次数，增加粒子多样性。通过MATLAB仿真实验证明了改进的Gmapping算法具有更高的路径估计和定位精度。 (3)对于全局路径规划中的Dijkstra算法、A*算法和局部路径规划算法中的动态窗口法、时间弹性带法进行了分析和研究。针对A术算法规划时间长、路径拐点多和斜穿障碍物的问题，通过增加动态衡量参数、三次折线平滑和避障优化三个方法对A木算法进行了改进。通过仿真实验对算法进行了性能测试，仿真结果表明改进的A幸算法遍历节点的数量更少，运行的时间和路径的距离更短，路径的平滑度和安全性更高。在相同约束条件下对DWA算法和TEB算法进行了仿真实验，证明了TEB算法避障性能更好，到达目的地所用时间更短。 (4)针对机器人需要到多个地点执行任务的问题，本文设计了多点导航的实现方案，不仅实现了机器人可以依次导航到多个目标点，而且还可以在设定的路径中循环运动。在Gazebo仿真环境中进行了SLAM和导航实验，证明了改进Gmapping算法和改进A木算法的优越性。在实际环境中对多传感器融合算法、自主导航功能、多点导航功能和避障功能进行了实际验证，证明了其实用性和可行性。
NETL
