移动机器人技术涉及多个研究领域，代表了高技术的发展前沿，已经在各行各业中取得了广泛的应用。移动机器人具有利用传感器感知环境信息和自身状态，在含有障碍的环境中完成某些预定任务的功能。移动机器人实现在有障碍的环境中自主地移动到目标点的运动过程被称为移动机器人的导航。在导航的过程当中，移动机器人要建立准确的环境建模，实现自身的定位以及规划出一条从起点到目标点的最优路径，因此研究移动机器人的环境建模方法、路径规划算法以及定位方法具有理论与现实的意义。本文针对移动机器人路径规划方法以及定位技术进行了研究，主要内容包括以下几个方面：针对移动机器人全局路径规划问题进行研究，提出了一种适用于移动机器人路径规划的简化可视图环境建模方法，通过综合考虑环境中障碍物的位置与移动机器人起点和终点的关系，剔除对路径规划结果不影响的障碍物，简化了环境模型的表示，达到了减少移动机器人候选路径数量的目的，提高了后续的路径规划算法的效率。针对蚁群算法中收敛速度和局部最优的矛盾，提出一种基于改进蚁群算法的移动机器人路径规划方法。该改进算法将环境中局部的路径信息加入到信息素的初始化和路径选择概率中，提高了算法的收敛速度；在算法陷入停滞时，引入交叉操作，增加了算法的逃逸能力。改进的蚁群算法提高了移动机器人对最优路径的搜索效率。针对复杂环境中移动机器人局部路径规划方法中存在的局部极小问题，提出了一种基于多行为协调的路径规划方法，该方法定义三种机器人的基本行为并通过各行为间的切换完成路径规划任务。设计了试错补偿旋转角度法，解决了机器人遇到U型障碍时产生的局部极小问题。提出的多行为协调方法提高了含有U型障碍物环境中移动机器人局部路径规划结果的可靠性。为解决Rao-Blackwellized粒子滤波器存在的“粒子消耗”现象，提出了一种基于微粒群优化的移动机器人同时定位与建图方法。该方法在粒子重采样过程中利用微粒群优化算法获得机器人位姿的建议分布，通过粒子间的能效吸引力对求得的粒子集进行进一步的优化、调整，提升了粒子的多样性。该方法有效地减少了“粒子消耗”现象，保证了同时定位与建图结果的精度。针对FastSLAM2.0算法中噪声的假设受统计特性限制的缺点，提出了一种改进的FastSLAM2.0算法，用H∞滤波器替代FastSLAM2.0算法中的EKF，削弱了误差对机器人位姿估计的影响。同时，在提出的改进FastSLAM2.0算法中，针对“粒子消耗”问题，提出了基于遗传算法和微粒群优化算法的粒子重采样策略。提出的改进FastSLAM2.0算法有效地提高了移动机器人位姿估计的一致性，克服了标准FastSLAM2.0算法中由于地图估计误差积累导致移动机器人位姿估计不准确的缺点。