在现代生活中,自律型移动机器人具备广阔的应用前景,并且在一些领域中具有不可替代的作用。通过近四十年的努力,该类机器人已经初步应用于空间探索、水下探索、自动化仓库、服务机器人等方面。自主导航系统是自律型移动机器人的核心。该系统需要在没有人工干预的情况下独自面对现实环境,并指导机器人硬件系统到达导航目标。由于现实环境通常复杂多变,因此尚没有一套自主导航算法能良好适应各种问题。不同导航系统通常都是基于通用型导航系统框架和具体应用场景两点考虑共同设计。本文应用场景是实现移动机器人在大规模场景下的物料运输。该任务的特点是:物料运输的地图相对庞大;物料运输的起点和终点相对固定,变动周期较长。根据本文应用场景特点,在分析现有导航方法的基础上,对于本导航系统而言,不必要完成通用型导航系统的高层识别和地图构建步骤,而只需进行场景识别步骤。并且场景识别步骤可以依托局部视觉处理方法快速实现。基于上述分析,本文基于局部视觉设计了本导航系统。该系统不需要建立完善环境地图,仅仅需要人工示范一次导航过程。此后导航系统将自动模仿示范的导航轨迹,并且在必要时避开障碍物。本文系统的设计过程中,主要开展了以下内容的工作:1.基于近年图像处理技术和深度学习技术设计实现了适用于本文应用环境的全局路径规划器。该规划器不仅避免了构建全局地图和高层识别,并且训练过程相对简单。2.设计实现了基于动态窗口算法的局部路径规划器模块和基于分层代价地图算法的局部代价地图模块。3.设计实现了本导航系统工作框架,并且在系统设计中综合考虑了系统稳定性和模块的动态可插拔特性。4.结合物理环境模拟器gazebo,本文设计了机器人仿真实验。经过实验,本系统能够有效完成预定导航任务,且对小型障碍物具备回避能力。