移动机器人为人类的生产和生活提供了许多便利,近年来国内外各个领域出现了大量的服务型机器人,定位和路径规划是服务机器人智能化的必要基础。目前主流定位方法主要有视觉和激光两大类,由于视觉定位步骤繁琐且计算量大,对系统处理器配置要求高等导致综合成本增加,许多企业和研究机构倾向于采用准确且稳定的激光来实现定位。常用的激光定位方法一般将激光与其它传感器进行融合或提取环境特征,计算也比较复杂。常用的路径规划方法不考虑机器人的大小,实用性差,在避障时,考虑机器人所处位置周围所有的环境,同样存在缺乏针对性、计算量大的问题。针对以上现状,本文主要为低成本、低配置的移动服务机器人提供解决方案。针对机器人的功能需求,为了实现对机器人的控制,进行了机器人运动学分析,根据传感器的特点,提出了半径数据滤波法和二值栅格环境建模方法。根据激光数据的特点,采用激光点云配准实现机器人定位,测试分析了迭代最近点法的特性;在此基础上,提出了基于快速傅里叶变换的点云配准方法,针对有效激光数据建立二值矩阵,利用快速傅里叶变换的位移估计理论和积分投影求解配准结果,通过实验验证了方法的有效性;提出了FFT-ICP定位方法,将其用于点云配准并实现机器人定位,通过测试,该方法不仅适用于点云重叠率低的情况,而且能够实现机器人在不同移动速度下较高精度的定位。本文利用半径滤波法和二值栅格法建立环境模型,提出改进的PS-A*算法进行全局路径规划,将机器人大小考虑在内,与传统A*算法进行对比,PS-A*算法具有更强的实用性;针对局部路径规划的避障问题,提出了三种环境感知模型,分析了各模型的适用情况,采用曲四边形模型建立局部地图,提出了基于局部地图的避障策略;对运动控制器进行分析,选取合适的设计参数和控制律,实现对机器人的轨迹跟踪控制;编写了路径规划的仿真软件,对提出的路径规划方法和局部避障策略进行仿真,仿真结果验证了方法的有效性。对定位方法和路径规划方法进行了实际测试,动态定位实验对机器人进行实时定位和环境重建,全局实验验证了本文提出的方法能够使机器人具有很好的定位、路径规划和避障能力。