随着计算机技术、嵌入式系统及人工智能等领域科学技术的迅猛发展,移动机器人因其具备的环境感知、路径规划、动作控制及协同运动的特性在人类的生产和生活中发挥着越来越重要的作用。而定位问题则是移动机器人应用于现实的前提,传统的机器人定位是在已知环境信息的基础上完成的,但在实际环境下往往是困难甚至是不可能的,故未知环境下的同步定位与地图构建已经成为机器人研究领域的一项核心技术。针对目前智能移动机器人在复杂环境下和未知噪声等不利因素影响下出现的定位不准和无法精准路径规划的现状,本文基于SLAM技术对移动机器人地图构建与路径规划相关算法进行研究。本文主要研究内容如下:首先,研究并搭建了可实现自主定位与路径规划的移动机器人硬件、软件综合系统,并对机器人的运动学模型、航迹推演模型、环境地图模型、深度相机模型、激光雷达测距模型以及里程计模型进行了详细的推导和证明。其次,对SLAM问题进行数学描述;针对单一的编码器容易产生较大定位误差的问题,采用扩展卡尔曼滤波算法对IMU和里程计数据进行融合,实时提高机器人定位精度;针对2D激光雷达在复杂三维环境下无法检测高于或低于其检测平面障碍物的问题,采用深度相机与激光雷达数据融合的方式,在不同高度层面准确感知障碍物;分析对比了三种激光SLAM算法,并详细推导了 Cartographer算法原理,并针对其自身存在的位姿估计滞后的问题,采用里程计数据和IMU数据融合的方式对位姿预估计,优化了 Cartographer算法框架。最后,设计了移动机器人Navigation Stack导航框架;研究了主流的自适应蒙特卡罗定位(AMCL)算法;分析对比了多种路径规划算法,针对传统的A*算法存在的碰撞率高及规划路径转弯次数多、平滑度低的缺陷,提出了一种优化A*算法,并给出了防碰撞策略和路径平滑度优化策略;通过Matlab、Rviz及Stage仿真平台对定位与路径规划算法进行仿真实验,并对实验结果进行分析。