随着计算机和传感器技术的快速发展,机器人的种类也从一开始一些完成简单任务的工业机器人,延伸到农业、医疗、教育、航空航天等领域。机器人技术蓬勃发展的同时,如何实现机器人的精准实时定位和导航也成为机器人研发的热点问题之一。同步定位与地图构建（SLAM）方法在解决机器人定位难、精度差和传感器要求高等问题上有特殊意义。本文在传感器的选择、传感器的融合技术、地图构建和导航算法做出对比分析,提高机器人定位导航准确性的同时也降低了成本,设计并实现了室内服务机器人地图构建与导航避障。论文的研究主要有以下几个方面。（1）在ROS平台下对移动机器人系统进行建模分析,包括机器人运动和坐标变换构成的系统模型,里程计、惯性测量单元（IMU）和激光雷达等传感器组成的传感器模型和地图模型,为后续算法仿真和实现提供了基础。（2）在SLAM问题上,对传感器数据融合和地图构建进行研究。数据融合方面,分析并详细研究了扩展卡尔曼滤波（EKF）和无迹卡尔曼滤波（UKF）算法,结合机器人运动模型,运用MATLAB对两种算法的进行仿真对比。仿真结果表明:随着时间的推移,UKF在SLAM中的误差远远小于EKF。在运用无迹卡尔曼滤波的基础上,研究了基于Rao-Blackwellized粒子滤波（RBPF）的SLAM算法,通过仿真对比分析了RBPF和PF算法的差异,确定了RBPF的有效性。最终选择UKF和RBPF相结合的滤波算法实现机器人的同步定位与地图构建。（3）针对机器人路径规划算法,对比分析了当前热门的几种算法。本文分别选择蚁群算法和改进后的人工势场法作为全局和局部路径规划算法并对算法进行仿真。将两种算法相结合作为机器人的导航算法,在保证全局路径最优的同时也能实现动态避障。（4）在ROS系统下,搭建了自主设计的轮式机器人实验平台,对机器人的硬件电路设计和元器件选型进行详细分析,编写了上下位机的驱动和串口通信等程序,将定位建图和导航算法植入硬件平台。最后在室内和长廊环境下进行定位和地图构建实验,并在室内做导航避障实验。实验结果验证了本文采用的定位、建图和导航避障算法的可行性。