在室内机器人导航中,精确的导航定位技术是实现建图、避障和路径规划的前提。由于室内环境复杂多变,所以通常使用视觉传感器作为主要输入信息来导航定位,但是视觉传感器对图像十分依赖,在特殊场景下存在误匹配,同时单纯依靠单一视觉传感器,系统的累计误差无法消除,因此本文采用视觉传感器和惯性导航传感器相结合来实现机器人导航定位。本文对移动机器人在同时定位与建图、传感器融合以及路径规划等方面进行了深入研究,主要内容如下:(1)进行同时定位与建图方法的研究。首先对摄像机的模型和坐标系之间的转换以及深度相机如何获取深度信息进行了阐述;然后采用张正友摄像机标定方法,使用matlab自带的工具箱对深度相机xtion进行标定,获得了该相机的内参;最后详细介绍了ORB-SLAM2算法,通过xtion深度相机采集到彩色图像信息和深度图像信息,使用该算法来计算移动机器人的位姿和建立稀疏点云图,并采用回环检测来减少累积误差。(2)制定了基于xtion和惯导信息融合的定位方案。首先对捷联惯导和深度相机的误差进行了分析;然后对惯导进行了标定来减少误差;最后根据捷联惯导和深度相机xtion分别建立预测方程和观测方程,并给出了基于视觉传感器和惯导信息融合的卡尔曼滤波方案。实验结果表明:相对于单一视觉传感器,该方案可以提高定位精度。(3)实现了基于视觉和惯导组合的路径规划。首先使用RGB-D信息和惯导信息基于ORB-SLAM2算法进行自主定位并构建稠密点云地图;然后使用octomap-server算法把稠密点云地图转化为栅格地图;接着把机器人自身定位和建好的栅格地图发给move-base框架;最后使用move-base框架下的A*和动态窗口法进行全局和局部路径规划。实验结果表明,该方法能够实现移动机器人在完成自身定位和地图构建的同时高效的完成路径规划。