自动导航小车（Automated Guided Vehicle,简称为AGV）通常被用于物流行业中,是当代自动运输的重要载体。针对目前我国AGV在路径规划中定位精度不高的问题,本课题对此问题从定位、导航控制、路径规划三方面着手,采用导航方式较为先进的激光导航式AGV作为研究对象,其激光导航主要采用激光雷达导航控制器,与反射板匹配反射实现识别功能。同时,对AGV的行驶路径进行最优规划和选择,并编写路径规划程序,利用实验小车验证该程序和路径的可行性,并及时校正。最后基于定位和地图构建算法（Simultaneous Localization and Mapping,简称SLAM）的基础上,通过对无迹卡尔曼滤波算法进一步优化,增加了AGV路径规划的定位精度,并通过实验验证了该优化算法的可行性,从而达到本课题的研究目的。本课题主要从以下几个方面进行研究分析:（1）根据AGV导航原理对比归纳出不同导航方式的优缺点,根据实验条件和要求选择了激光导航方式的AGV及一套定位精度较高的激光扫描设备。该激光扫描设备主要采用激光雷达导航控制器来探测周围环境信息,同时与路径周围布置的反射板匹配,从而实现AGV的导航控制需求。（2）基于“圆弧”和“直线”两种不同形状的路径计算原理,设计出了适用于本实验平台的类“S”形曲线路径（以实现本课题的研究为准则）。对于类“S”形曲线,选取非对称形式的曲线,即在AGV加速阶段和减速阶段选择数值不等的加速度。当AGV沿着非对称的类“S”形曲线路径运动时,在不同的运动阶段选择恰当的参数值,可以有效的节约和缩短运动时间,使AGV惯性分布趋于合理化,同时也能抑制其所产生的残余振动。（3）建立AGV的运动学模型和运动学分析,对比分析路径规划中常用的格栅法、拓扑法和结构空间法三种地图表示方法,选择格栅法对地图环境进行表示并对其原理、计算过程进行了详细理论分析和推导。（4）基于SLAM算法原理,对非线性系统下的同一AGV路径定位计算分别采用扩展卡尔曼滤波（Extended Kalman Filter,简称为EKF）和无迹卡尔曼滤波（Unscented Kalman Filter,简称为UKF）两种算法进行计算,并对计算结果仿真处理,最终仿真结果表明,检测数据中包含已知信息时,定位准确度会增加。AGV的运动环境越复杂UKF-SLAM算法精度高于EKF-SLAM算法就越明显,但所耗费时间也会增加。（5）针对UKF-SLAM算法受到外部环境干扰进而影响预测精度的问题,本课题通过在AGV系统状态更新之前引入外部干扰检测和状态方差膨胀过程,从而当AGV受到外界干扰时快速作出响应,降低外界干扰的影响,提高定位计算精度。同时也对优化后的算法程序进行了更新,使AGV拥有一套完善的定位计算程序。（6）最后,以一辆四轮差速驱动AGV为实验平台,输入预先优化好的程序,利用激光SLAM实现AGV在未知环境中沿路径规划行驶,并对实验数据采用优化后的UKF-SLAM算法处理。最终实验结果表明,在受到外部干扰因素影响的情况下,UKF-SLAM算法比EKF-SLAM算法更合理、精准、易于实现,而采用改进、优化后的UKF-SLAM算法比UKF-SLAM算法在定位误差上又更准确,且是可行的。