为实现机器人的自主运动,针对室内机器人的定位与路径规划问题进行了研究。由于GPS信号在室内情况下会失效,在室内情况下选取其他传感器来进行机器人的定位,激光雷达与相机两种传感器都包含丰富的信息,同时激光雷达和相机都存在一定的局限性,多线激光雷达价格昂贵,性价比不高,而单线激光雷达只能测量一个水平面内的障碍物信息,信息不够全面,而深度相机左右范围较小,建图较慢并且精度更低,本文采用深度相机与激光雷达融合得到的地图并进行机器人定位与路径规划。在视觉SLAM建立稠密地图部分本文对ORB-SLAM2进行改进,在原算法基础上增添稠密点云构建功能,基于贝叶斯推理原则实现地图融合,在得到环境的精确地图后采用改进的自适应蒙特卡洛算法实现机器人的定位,相比于传统的蒙特卡洛算法,自适应蒙特卡洛算法有效解决了机器人定位中的“绑架问题”,同时通过控制算法中粒子的数量加速定位。路径规划部分研究了A*算法与DWA算法,A*算法只能应用于静态环境,对于突然出现的障碍物无法处理,在实际应用时容易出现碰撞,而DWA算法只适用于局部路径规划,没有全局引导容易陷入局部最优值,甚至无法到达目的地。首先利用A*算法生成全局最优路径,在这个最优路径中提取一些关键点作为DWA算法的终点,实现在A*算法的全局导引下实现动态避障。融合算法充分发挥了二者的优势,弥补了不足,得到较好的效果。基于实验室的设备在ROS系统中进行实验,验证了算法的有效性。