自动导引运输车(Automated Guided Vehicle,AGV)作为现代智慧物流的核心元素之一,在制造、烟草、快递、医药、电商等行业的物料搬运及装配场合扮演着举足轻重的角色。目前,AGV种类繁多而各自独立的平台增大了开发难度,且其导航系统大多针对单一目标点,已无法胜任现代智能物流高柔性化的需求,故本文基于通用性强、兼容性好、支持多语言编程的机器人操作系统(Robot Operating System,ROS),结合企业的实际需要提出的AGV多目标点导航系统具有重要的研究价值。ROS为机器人的研究提供了一套完整的、开源的、可视的通用性平台。其内部集成了一系列工具程序和开源库,使得研究者可以快速地模拟真实世界并进行实验。本文结合ROS平台的优势,选择高精度激光测距仪作为主要传感器,运用同时定位与地图构建(Simultaneous Localization and Mapping,SLAM)技术,并采用java服务器页面(Java Server Pages,JSP)设计AGV的多工位呼叫Web应用程序,完成了基于ROS的AGV多目标点导航系统的设计。首先,分析比对当前主流的几种SLAM算法,指出粒子滤波器(Rao-Blackwellized Particle Filter,RBPF)为SLAM提供了有效的解决方案。针对改进提议分布的RBPF-SLAM算法在动态环境下难以构建准确先验地图的问题,引入激光数据预处理和改进的粒子采样技术,通过对前若干代粒子集合进行采样,排除不可信粒子,进一步提高算法的抗干扰性,实验结果验证了本文改进算法的鲁棒性。其次,在多目标点路径规划算法的研究中,针对蚁群算法存在的搜索耗时较长、容易停滞而陷入局部最优的不足,提出一种改进的蚁群算法,通过自适应设置蚂蚁种群规模、信息素浓度、权值系数,并引入遗传算法的交叉操作和逆转操作,提升其搜索效率、增强全局寻优能力。实验结果表明,本文改进算法的搜索耗时少、路径更短,且将其运用于旅行商问题(Traveling Salesman Problem,TSP),可以高效地获得AGV多目标点导航的全局最优遍历序列。最后,完成了在ROS平台下AGV多目标点导航系统的构建,并设计了AGV多工位呼叫的Web应用程序。在真实室内环境中,AGV完成了多工位呼叫、室内地图构建、多目标点自主路径规划、智能避障等任务。实验结果表明,本文提出的改进算法以及构建的AGV多目标点导航系统具有可行性和可靠性。