随着科学技术水平的不断提高,越来越多的智能机器人出现在人们的视野当中。自主移动机器人就是其中的典型代表,其被广泛应用在生活、工业、医疗和军事等方面。随着自主移动机器人的应用越来越广泛,其所处的周围环境也越来越复杂。如何有效的提高自主移动机器人的环境感知能力以及复杂环境下的路径规划能力成为重中之重。本文围绕自主移动机器人的关键技术同时定位与地图构建(Simultaneous Localization And Mapping,SLAM)和路径规划开展了深入研究,主要内容如下:(1)针对传统的EKF-SLAM算法在实际应用过程中难以获得准确的系统噪声和测量噪声,导致算法定位精度低的问题。提出一种改进的粒子群优化的模糊自适应EKF-SLAM算法。通过模糊系统动态地调节测量噪声的协方差矩阵,并基于改进的粒子群优化算法实现模糊系统最优参数的求解,有效提高了移动机器人SLAM算法的定位精度。(2)针对RBPF-SLAM算法在重采样过程中粒子多样性降低导致的粒子退化问题,提出一种自适应遗传重采样算法,解决了粒子退化问题,有效地提高粒子的多样性,使移动机器人SLAM算法性能得到很大程度的提高。(3)针对传统A*算法存在的规划路径安全性低、拐点多、轨迹不平滑等问题,通过对A*算法的估值函数、搜索方式和生成的轨迹进行优化,提高了静态环境下全局路径规划的效率和安全性,使规划的路径更符合移动机器人的运动。针对DWA局部路径算法评价函数系数选择难的问题,通过程序仿真对DWA算法中不同评价函数系数进行了仿真验证,为DWA算法在实际中的应用提供了指导。(4)基于ROS机器人操作系统设计了自主移动机器人导航系统。首先通过不同环境的地图构建实验,验证了改进的自适应遗传重采样RBPF-SLAM算法。实验结果表明改进的自适应遗传重采样RBPF-SLAM算法可以完成对周围环境特征的准确提取,实现地图的精确构建。然后通过静态环境和动态环境下的路径规划实验,验证了不同环境下本文所提出的移动机器人路径规划算法的有效性,改进的路径规划算法能够很好地适应不同的环境。最后对搭建的自主移动机器人导航系统的精度进行了测试。测试结果表明设计自主移动机器人导航系统的定位精度为7cm以内,有一定的实际应用价值。