近年来,随着我国电子科学技术的进步,机器人的研究与应用场景越来越广,与之相关的技术在国内外机器人领域引入了探索的热潮。在未知环境下的即时定位与地图构建和路径规划则成为机器人技术探索和发展的热点。本项目针对AGV系统,开展基于ROS系统下AGV的SLAM和路径规划相关内容的探索与了解,具体包括整个系统的实现,从模型选材设计到驱动板电路设计、小车控制算法、SLAM算法和路径规划算法的软件实现,针对实时定位与建图（SLAM）和路径规划这两个方面对现有存在的算法进行改进,并在由运动底盘、2D激光雷达传感器和计算机运算平台组成的自主移动机器人系统实验平台上验证了方法的有效性,具体研究内容如下:首先,完成了移动机器人的硬件功能的结构搭建和软件功能模块的设计。通过ROS系统的分布式计算的设计理念与开发思想,在软件功能设计与应用方面,研发了基于ROS的开发与控制的系统平台,对移动机器人的具体工作运行中环境的观测、传感器实时信息采集、移动过程中的精准控制和自主建图与导航等节点进行了深入研究与功能优化,最终搭建了一套属于自己的移动机器人控制系统。其次,针对目前SLAM系统中状态估计无迹卡尔曼滤波算法（UKF）累积误差和状态误差计算量较大的问题以及粒子滤波采样策略进行对比,提出了一种基于局部采样的UKF状态滤波估计算法。根据当前状态运动矢量的数学特性,在UKF算法中的UT采样过程中对部分当前状态运动矢量定位和累加计算与跟踪处理,并对得出的数据进行部分采样,降低了UT采样的状态估计的计算复杂度,并通过Matlab的模拟仿真与数据分析,验证了移动机器人在运动过程中完全保证定位精度的必要情况下,可以有效地降低累积误差和计算量,提高了建图的实时性。针对传统A*算法在路径规划中容易陷入局部最优点和转折较多问题,提出了一种改进A*（A-Star）与动态窗口法（dynammic window approach,DWA）相结合的混合算法。移动机器人平台以一种新型的激光式传感器为主要的核心传感器,采集周围环境信息。针对机器人在路径规划中普遍存在的一些问题,在A*算法中引入预测距离,设定动态衡量启发式A*算法中的h（n）权重系数,解决了使用A*算法扩展节点多,容易陷入局部最优的问题,同时对路径规划中拐角进行修正,有效地将路径规划时间降低14%。最后,利用搭建的实验平台对机器人的即时定位与地图构建和路径规划等功能进行了模拟实验,验证了基于局部采样的UKF定位算法、改进的A*算法和改进的DWA算法的运用可行性。