移动机器人在电商物流、生产制造等社会各个领域中得到大量应用。移动机器人自主导航的关键技术包括导航定位与路径规划技术,但目前仍然存在定位精度与导航能力不足的问题,本文针对轮式移动机器人导航定位与路径规划技术展开研究,以提升机器人导航定位精度与路径规划能力,从而提高机器人导航的准确性。首先研究机器人局部定位技术,分析建立移动机器人里程计模型,校正基于编码器信息的里程计误差。设计基于特征点法的双目视觉里程计,通过扩展卡尔曼滤波,融合IMU与基于编码器信息的里程计信息,实现机器人局部定位,实验表明融合后的定位信息比单一传感器定位信息更加精准可靠。其次研究机器人全局定位技术,分析激光雷达测距原理与运动畸变成因,通过二次插值法对激光雷达进行运动畸变校正。分析环境地图构建算法,采用cartographer算法构建环境地图。在自适应蒙特卡洛定位算法基础上,通过融合后的局部定位信息更新粒子集运动对其进行优化改进,提高全局定位精度。然后研究机器人路径规划技术,提出一种多目标路径规划方法。针对二维栅格地图下,移动机器人以最短路径,遍历所有目标点的路径规划问题,提出一种基于启发信息扩展节点的A*算法与混合蚁群算法相结合的路径规划方法。通过基于启发信息的节点扩展函数,提升规划效率。通过自适应调整蚁群算法信息素挥发因子,与最优解交叉变异操作,改善蚁群算法易陷入局部最优解的缺点。仿真实验表明,基于启发信息扩展节点的A*算法相较于A*算法,搜索节点减少13.18%;混合蚁群算法求解的最优路径和平均路径均好于蚁群算法,并且在迭代过程中,不易陷入局部最优解。通过基于动态窗口法的实时路径规划算法控制机器人运动。最后分析机器人坐标系转换,设计机器人导航流程,通过机器人导航试验平台在现实环境中进行机器人全局定位实验、导航实验与多目标点路径规划实验,实验数据表明,改进的定位算法相较于自适应蒙特卡洛算法,定位精度提升30%左右,在多目标路径规划实验中,提出的算法可以规划出一条较短路径。