随着计算机技术的快速发展,移动机器人已经在各个领域扮演着越来越重要的角色,包括军事、工业、水下探索、灾难救援等,而路径规划作为移动机器人自主导航研究进程中的核心技术,受到了众多学者的广泛关注。本文首先对当今移动机器人及路径规划的研究现状进行介绍,其次,通过对仿真四轮全向移动机器人的系统结构和坐标系进行说明,分析其几何关系,构建移动机器人的运动学、动力学模型。由于本文主要应用于火灾救援等环境恶劣条件下,因此选择具有精度高且抗干扰性强的激光传感器作为移动机器人外部传感器,进一步建立激光传感器感知周围环境信息的观测方程。在移动机器人导航过程中,主要涉及两大部分:即时定位与地图创建(SLAM)和导航。针对SLAM问题,首先阐述SLAM系统原理并介绍创建地图与定位过程中应用的粒子滤波算法。其次,在粒子滤波的基础上创建地图,对RBPF算法中的重要性概率密度进行改进,进而使其更加接近目标分布,同时对粒子进行选择性重采样解决RBPF算法中的粒子数多、粒子退化严重等问题,之后利用自适应蒙特卡洛算法实现在地图中的精确定位。最后,通过实验验证该方法在地图创建和定位任务中的有效性。针对移动机器人导航过程中的路径规划问题,提出一种卡尔曼滤波与D*Lite算法,实现动态目标点的路径规划;采用基于改进的A*平滑路径算法和D*Lite算法在静态环境、动态环境中对单目标点、多目标点进行路径规划,将上述两种算法用于构建好的全局栅格代价地图上进行全局路径规划;将动态窗口算法用于移动机器人在运动过程安全地躲避各种动态障碍物从而完成局部路径规划;两者结合完成在环境地图中从起点到目标点的无碰撞路径的规划。最后,在基于Ubuntu Kinetic的ROS平台上完成仿真移动机器人导航系统的构建。在实验环境中完成地图构建、机器人定位的基础上实现单目标、多目标路径规划实验。实验结果表明,本文所用路径规划算法在仿真机器人导航平台上的有效性。