机器人在室内无法借助GPS等信号进行定位导航,于是基于相机、激光雷达等传感器的室内定位导航方案逐渐发展与成熟,定位方面具有代表性的便是视觉、激光的即时定位与导航算法,即SLAM算法,在导航方面出现了许多经典的算法如A*、蚁群算法、人工势场法等,应用广泛。本文研究深度相机的SLAM方案,使用RGBD-SLAM-V2算法对室内环境建图,得到点云地图后,使用滤波处理优化地图,进一步投影得到二维点云地图,再依次建立二维网格地图;在建图过程中使用一种松耦合融合方案将激光雷达与深度相机数据进行融合,对雷达相机检测的重叠区域的点云,利用简化的贝叶斯递推公式更新其占据概率,在仿真与实物实验中最终得到更为准确的地图,利于室内机器人导航。导航方面,研究了经典算法A*,并结合动态窗口法对传统A*进行改进,提出一种融合方案:将A*规划的路径分割为多个节点,在小区域内使用动态窗口法跟踪,在机器人遇到未知障碍物时重新调用A*规划出较优的路线。最终在仿真与Turtlebot2机器人平台实验中验证了其有效性。本文的实验部分搭建了基于Turtlebot2的机器人平台,搭载Kinect v1深度相机与Rplidar A1单线雷达,具备室内建图导航平台基础。