SLAM包含定位和建图两层意思,本文首先设计了机器人运动模型,确定地图模型为拓扑图和栅格图。然后对基于粒子滤波的EKF和Gmapping算法展开分析,分别通过仿真进行了验证。分析结果表明EKF-SLAM局限性较大且算法复杂度较高,但是对其他SLAM算法具有指导意义。Gmapping算法基于粒子滤波算法实现,仿真建图结果误差量较小,需要现场实验验证具体算法运行情况。然后分析Hector-SLAM算法并针对缺点进行优化,采用双三次插值法提高数据连续性,并融合IMU和里程计的数据,最后基于AMCL算法进行定位。整体优化结果降低了传统Hector-SLAM对激光雷达性能的依赖,并且能够解决边界倾斜等问题,提高了定位精度。路径规划算法是自主移动机器人运行的核心算法,主要分为单机器人路径规划算法和多机器人路径规划算法。单机器人路径规划算法以传统A*算法为基础进行改进,修改代价函数,优化碰撞率,提升路径的平滑度,在本项目中主要应用于机器人SLAM自主导航。多机器人路径规划算法基于时间窗的原理对A*算法进行改进,并在地图中设置Bundle区,该区域需要进行资源的申请与释放。最后设计并开发了地面控制系统软件,主要负责机器人路径规划和调度,与机器人车载通讯系统进行实时通信,且在软件主视图可以观察机器人的实时位置。首先通过实验分析了Gmapping算法的建图精度,现场建图实验结果出现边界偏移的问题,表明现场实验受多种因素影响,原始算法不能满足项目要求。Hector-SLAM的现场实验数据表明改进SLAM算法的精度相对原始算法有了明显的提高,且定位精度可显著提高,并且对于长廊等环境的建图表现也不错。最终项目决定采用改进Hector-SLAM作为项目的建图算法。将SLAM建图结果作为调度系统运行界面的背景图,更加清晰看到机器人实时的位置,经实验证明单机器人运行的情况下,机器人任务执行正常。多机器人仿真运行环境下,多机器人平稳运行,且未发生碰撞、冲突和死锁等问题。