作为如今最为成熟的定位导航技术,GPS技术在面对室内复杂环境时也时常难以处理。为了解决室内导航问题,需要同时解决定位、构建地图和路径规划三个组成部分的内容。同步定位与建图（Simultaneous Localization and Mapping,SLAM）作为导航中两个重要要素的融合,其对于实现导航的重要性不言而喻。本文主要对基于激光SLAM算法的机器人室内导航技术进行算法分析和改进,在基于图优化框架下对SLAM的后端优化以及闭环检测部分进行改进,根据自主搭建的机器人平台实现移动机器人包括动态避障、定点巡航在内的一系列室内导航实验。具体的研究内容如下:首先,对基于激光雷达的2D-SLAM算法进行研究推导后,由Gmapping算法得出基于滤波算法存在的缺陷是:由于其数学原理是基于马尔科夫假设,在处理数据时只进行邻近数据间的转换,没有处理误差,导致误差会随着数据的累积而增大,影响地图精度。因此采用基于优化的数学框架来实现SLAM的算法。基于优化的Hector-SLAM算法,当移动机器人运动速度过快时,可能因为数据更新不及时,导致地图出现重影、模糊等现象,影响建图精度。使用了一种图像处理中的双三次插值算法的改进方法,该方法可以更好地处理栅格地图,解决部分毛刺、重影的问题,获得更为准确清晰的地图。其次,针对目前常用的激光SLAM算法,存在闭环检测的局限性,对于几何对称环境容易产生误报从而导致错误的闭环,降低建图的精度,将Lazy Decision（延时决策）算法加入到闭环检测过程中。通过预先设定的阈值,在构建地图时判定阈值成立后再进行闭环,减少闭环次数及计算复杂度,有效地提高了构建地图的准确性。再次,基于图优化框架的后端优化部分,采用了一种稀疏位姿优化的激光SLAM算法,采用LM算法作为框架,将稀疏系统通过Cholesky分解进行处理,利用矩阵的稀疏结构对算法进行加速。该优化算法考虑约束包含的协方差信息,在每一次迭代中均会相对当前位姿的所有约束进行线性化,不仅提高了精度而且收敛速度非常快,可以有效地减小内存消耗同时提高了SLAM建图精度。最后,阐述机器人室内的导航框架以及实现方法。针对机器人室内导航所处的复杂环境,以四轮差速移动机器人作为主体,ROS（Robot Operation System）作为操作系统,自主建立了一个实验平台。通过此平台完成基于稀疏位姿优化的SLAM算法与Gmapping、Hector三种算法在不同环境中的对比实验。根据实验结果得出,改进的算法建图精度最高且内存消耗最小。在此基础上实现移动机器人包括动态避障、定点巡航在内的一系列室内导航实验。