论文以一种通用的四轮式自主移动机器人为对象,研究它的智能导航问题,主要内容包括三部分:第一部分,提出一种基于机器视觉的室内全局地图创建法,在对初始图像进行颜色空间变换后,通过阈值分割能准确、完整地将障碍物提取出来;并提出一种基于几何形状和规则的快速多边形近似算法对障碍物的边缘进行拟合,其处理结果-用简单的几何多边形描述的室内地图,与障碍物边缘吻合较好,而且地图中的关键点数少,减小了随后路径规划的计算量。第二部分,考虑到路径对安全性的要求,提出一种新的基于矢量场模型的移动机器人路径规划算法:应用该矢量场模型可以规划出较短、较安全以及安全和长度两标准下的满意路径。并针对在势场法路径规划中经常遇到的局部极小问题,提出一种基于虚拟局部目标的预防方法,它的关键在于如何进行虚拟局部目标的设定;在各种复杂障碍物环境下路径规划的仿真结果证明了此方法的有效性和适应性。同时,把矢量场路径规划算法中机器人工作环境下障碍物的几何模型从矩形拓展为更具普遍意义的多边形;为了对全局路径进行长度、安全性和平滑性意义上的优化,提出了一种混合遗传模拟退火(HGSA)算法;由三个复杂环境下路径规划结果验证了规划模型的有效性;而优化所得最优解的比较表明此混合算法要优于独立运用的遗传算法和模拟退火算法。第三部分,在推导四轮式移动机器人运动学离散模型的基础上,设计了一个能借鉴人驾驶汽车经验的模糊控制器来实现它的路径跟踪控制:为了让移动机器人能最终准确地镇定在期望终点上,在跟踪的停车阶段采用了一种减速PID控制方法;仿真和实际实验表明,这种双模控制方法实现了预期的目标,且保证了机器人行走的平滑性。