移动式机器人的自主导航问题是智能机器人研究的重要方向和热点。移动机器人技术涉及领域很广,代表各类技术发展最前沿的成果,为未来各行业的发展应用有重要意义。本文以实现未知环境移动机器人地图创建、自身定位和自主导航为研究目的,主要基于同步定位和地图构建技术(SLAM,simultaneous localization and mapping)和移动机器人路径规划技术(Path-Planning)技术开展了移动机器人自主导航实现机制的研究。本文提出了 一种环境信息获取和障碍物信息获取的多传感器解决方案,利用Kinect深度相机在局部路径规划过程中获取障碍物位置大小和形状信息,利用激光雷达传感器完成环境地图建模和路径规划任务。为了实现在自主探索过程中同步定位和建图,对Rao-Blackwellized粒子滤波算法和改进后的Gmapping两种典型的SLAM算法进行对比,通过理论推导和仿真分析和实际操作完成了地图构建算法G-mapping算法分析改进和算法理论推导。为实现实时的路径规划任务,对基于激光雷达的传统的避障算法进行了研究,其中动态窗口导航算法进行了研究分析并进行了改进,并在仿真环境系下进行了实验验证,完成DWA动态窗口路径规划算法仿真模拟分析和和参数修改改进测试,满足了移动机器人搬运过程实时性要求。完成了 DWA算法对核心评价函数进行参数改进,在实体环境下的应用和环境对比分析。使经典避障算法能够逐渐走入我们的生活和工作当中,为解决路径规划问题提供新思路;对传统的局部路径规划算法进行改进,提高鲁棒性和效率。探索新兴领域,对移动式机器人路径规划技术进行了强化学习方向的技术研究和应用,对传统的强化学习算法(即基于策略的Q学习算法)进行了分析,并具体研究结合深度学习的强化学习方法。尝试利用深度强化学习模型,对机器人快速避障路径规划决策进行研究。首先移动机器人在自主仿真环境进行预训练,完成基于RIVZ仿真平台的G-mapping算法和DWA算法可行性实验研究,并在实体机器人系统上完成了自主对环境未知障碍物的避障工作,并针对路径的生成效率和机器人到达目标点位置的时间效率进行对比分析,并针对两种算法提出了改进方案。最后部署到真实机器人上,为了避免过拟合,采用中值滤波,在激光数据中降低随机高斯噪音。在目标方向确定、地图未知的条件下,设定特定场景机器人仅仅采用输入二维激光雷达和RGBD深度摄像头传感器的数据,通过输出机器人的动作,包括速度线性角度。实现机器人的导航的快速、并行、自主导航的能力。本文通过自行搭建携带Kinect相机和2D激光雷达传感器的四轮室内机器人为实验硬件平台和ROS(Robot Operating System)软件框架平台,在室内环境下,完成了同步定位和地图构建,路径规划算法实验,验证了机器人平台的工作可靠性。完成了自主移动导航、自建地图对行人和其他动态障碍物信息采集等新型机器人自主探索环境的任务。