随着人工智能时代的到来,机器人在许多领域都得到了发展。其中,安防机器人作为服务机器人行业的一个分支,应用场景非常的广泛。自主导航功能作为安防机器人的核心技术之一也逐渐趋于成熟,传统的基于单一传感器的自主导航系统难以适应复杂的环境,因此本文主要研究基于多传感器融合的导航系统来提高机器人的场景适应能力,提高系统的鲁棒性。主要研究内容包括:首先对系统的需求进行分析,建立里程计、激光雷达、深度相机模型,并对深度相机进行标定,选择栅格模型作为地图模型,介绍了导航系统的总体框架。其次结合激光雷达和深度相机两种传感器存在的局限性进行优势互补,提出了多传感器融合构建环境地图的方法。通过像素滤波和中值滤波算法修复深度图像,并将其转换为伪激光数据,在数据集采用卡尔曼滤波算法融合伪激光数据和激光数据,在决策级采用贝叶斯方法进行局部栅格地图的融合。然后对路径规划方法进行研究,全局路径规划通过改进A*算法的代价函数和平滑轨迹的方法来提高A*算法的效率并获得最优路径,局部路径规划通过改进人工势场算法的斥力函数和建立虚拟目标点的方法来解决人工势场算法中目标不可达和局部极小值问题,通过MATLAB验证了算法的有效性。最后搭建实验平台,在实验环境中,分别使用深度相机、激光雷达和本文提出的多传感器融合方案构建地图,实验结果表明多传感器融合方案构建的地图更加的完整精确;并根据多传感器融合构建的栅格地图进行自主导航和避障实验,验证了改进算法的可行性。