近年来,随着智能制造业的崛起与物流仓储系统的扩大,对基于非预定路径导航方式的AGV也有了更多的需求和更高的技术要求。同时定位与建图(SLAM)技术是目前对于非预定路径导航问题最主要的解决方案,研究SLAM的算法优化和应用具有很大的研究价值与实际工程意义。根据所采用的场景扫描感知的传感器类型,SLAM技术大致分为激光与视觉这两种常用的方法。本文对这两种基于单一传感器的SLAM技术进行分析,针对各自在不同场景中的表现差异,提出了性价比高、适用范围广、建图效果好的激光与视觉相结合的SLAM方案,并改进Bi-RRT算法以规划一条可供AGV导航的简洁可靠的全局路径。首先,研究了满足非预定路径导航的AGV整体系统架构,建立相关数学模型,找到一种可将不同传感器信息进行时空同步的联合标定方法。然后,利用数学概率模型对SLAM问题的本质进行描述,将SLAM问题划分为不同模块,分析了基于ORB特征匹配的视觉里程计,并采用加速后的相关性扫描匹配方法作为激光前端。还对比了基于视觉的稀疏特征地图与基于激光的栅格地图等不同地图模型,选择利于导航的二维栅格地图并给出具体计算方法。设计并实现了一种激光与视觉相结合的SLAM方案。针对单线激光雷达仅能获取一个平面环境信息的缺陷,提出一种激光结合视觉的联合建图方法:以高精度的激光点云作为基准值,将RGB-D相机获得的设定高度空间内的深度点云降维,并与激光点云融合。再根据融合后的二维点云进行建图,可包含不同垂直高度的环境信息。针对激光二维点云信息特征单一、难以消除累积误差的缺点,通过选取视觉图像关键帧并构建视觉词袋模型的方式来检测回环。将回环信息提供的约束加入到“图优化”的SLAM后端线程当中,可解决二维激光SLAM建图错位的问题。提出一种改进的Bi-RRT算法来规划全局路径,在RRT算法上引入A*算法估价思想,新增连续偏向目标策略、直接连通判断机制与路径后处理,提升了路径规划的效率与效果。最后,搭建仿真试验物理环境,在同一场景下对不同算法进行试验,验证了本文联合建图算法的可行性和优越性,建立地图更精确完善。而且改进后的路径规划算法更加高效,生成的可执行路径更加简洁。