随着计算机技术和人工智能的发展,移动机器人已经广泛应用在太空探索、工业、军事、服务和医疗等各个领域,能够代替人类完成各种工作,具有广阔的应用前景。而自主定位与导航技术是机器人完成其他更高级任务的基础,具有重要的研究意义。本文针对移动机器人自身定位和自主导航问题,建立了机器人运动学模型,采用多传感器数据融合方法和改进快速随机生长树算法,分别研究了机器人自主定位与导航问题。本文的主要工作如下:1、针对现有移动机器人平台可扩展性差、代码复用性低等缺点,搭建了基于机器人操作系统的移动机器人平台,为本文算法的实现提供了软硬件基础。2、针对依据单纯编码器数据的移动机器人定位效果差的问题,提出了融合编码和陀螺仪数据的卡尔曼滤波定位算法,该算法能够有效减轻航向角误差对机器人定位精度的影响。3、针对移动机器人相对定位中存在的误差累积问题,采用深度相机,提出了一种结合特征匹配质量和深度信息的改进的随机抽样一致性的帧间运动估计算法,提取关键帧并利用图优化求解器对关键帧进行局部优化,该方法在一定程度上减轻了累积误差对机器人定位精度的影响,具有较高的定位精度。4、针对导航过程中移动机器人非完整约束对运动效率的影响,提出了一种改进的快速随机生长树算法,该算法在全局路径规划中考虑到机器人的非完整约束,能够规划出一条更为平滑的路径,使得机器人更容易地到达目标位置。最后,对全文进行了总结,并对有待进一步研究的问题进行了展望。