近年来,智能机器人技术在无人驾驶汽车、无人机、扫地机器人等领域被广泛应用,移动机器人SLAM和导航技术作为智能机器人的重要研究方向,其关键技术包含定位、地图构建和路径规划。本课题的研究核心就是移动机器人SLAM与路径规划算法。首先,本文建立了基于里程计的运动模型,由于里程计模型存在误差积累问题,为了消除误差建立了激光雷达观测模型。环境地图构建方面,选择栅格地图作为地图表达模型并进行了推导与仿真。给出了目标物坐标在机器人坐标系与世界坐标系之间的转换方法。其次,本文介绍了 EKF_SLAM、RBPF_SLAM及Hector_SLAM算法,对比了这三种算法的优缺点,并进行了详细推导和仿真。对于EKF_SLAM算法只能在弱非线性系统下使用,RBPF_SLAM算法计算量大,Hector_SLAM算法严重依赖高精度雷达等缺点,提出了一种基于信息融合的改进Hector_SLAM算法,通过将Hector_SLAM算法与里程计及IMU设备结合,成功降低了激光雷达的精度需求,提高了构图精度和稳定性。然后,在移动机器人路径规划方面,本文采用蚁群算法作为全局路径规划算法,人工势场法作为局部路径规划算法。针对蚁群算法收敛速度慢,容易陷入局部最优等问题,提出了一种新的改进蚁群算法,通过结合蜂群算法、改变初始时刻信息素浓度、优化信息素更新规则,加快了收敛速度,有效避免了局部最优。针对人工势场法在特定情况下无法到达目标点的缺陷,提出了一种改进的人工势场法,成功使得移动机器人可以到达任一目标点。对改进前后的路径规划算法进行了仿真试验,证明了本文改进算法可以有效地提高规划能力,具有良好的导航效果。最后,本文介绍了移动机器人系统的硬件构成和ROS机器人操作系统的系统架构,并利用所搭建的移动机器人系统,使用改进的Hector_SLAM算法成功构建了环境地图,并在得到的地图上利用改进的蚁群算法以及人工势场法进行导航,成功完成了路径规划,并成功到达指定目标点。