AGV作为移动机器人的重要分支,以其灵活便利、维护方便、可拓展性强等优点,广泛应用于制造、仓储、物流、港口、码头、机场、食品、化工等行业,是实现智能制造的关键设备之一。SLAM是指AGV在陌生的环境中,通过传感器获取周围环境信息,完成自身即时定位与环境地图构建,实现自主导航。SLAM已成为AGV技术研究与应用的热点和难点。本文对SLAM算法和路径规划算法进行研究,并自主搭建AGV实验平台,通过激光雷达、里程计和IMU传感器实现AGV的地图构建、定位和自主导航的功能。主要研究内容和结果如下:首先,通过对常用的SLAM地图模型进行分析,选择栅格地图作为地图表达方式。针对常规RBPF SLAM算法存在的由于粒子耗散引起的定位与构图精度低的问题,采用将最近时刻的激光雷达观测数据融入提议分布,同时引入自适应重要性采样算法进行改进;对常规RBPF SLAM算法和改进后的算法在MATLAB软件中进行仿真,验证了改进后算法构建的地图无错乱,结构特征清晰,精度更高。其次,采用AMCL算法进行AGV定位研究,通过引入随机粒子重新获取准确的位姿,解决AGV面临的“机器人绑架”问题。对全局路径规划算法Dijkstra算法和A*算法进行分析,并利用MATLAB进行仿真,选择A*算法作为全局路径规划算法。通过对局部路径规划算法DWA算法进行MATLAB仿真分析,确定了AGV的采样速度范围,以实现AGV运动的实时路径规划。然后,自主构建了AGV实验样机,并给出其运动模型。在ROS系统中对激光雷达和IMU进行测试,并对速度模式下的AGV运动控制、传感器数据发布等软件系统进行设计,为在真实环境中的AGV SLAM与自主导航实验提供基础。最后,在ROS环境中创建AGV模型,在Gazebo中完成了SLAM过程和自主导航的仿真实验,验证了改进的RBPF SLAM算法构建地图和A*算法与DWA算法结合进行路径规划的可行。在此基础上,对AGV样机进行了SLAM与自主导航实验。实验结果表明:改进RBPF SLAM算法的构图精度明显提高,A*算法与DWA算法相结合的路径规划实现了比较准确的自主导航效果。