自主移动机器人对国家智能制造产业有着重要意义,其核心在于实现定位建图、路径规划和导航避障这三大功能。传统的移动机器人采用单一定位传感器难以保证定位精度和鲁棒性,并存在路径规划失效和无法动态避障的问题。为解决以上问题,本文首先构建了自主移动机器人运动学模型,设计并搭建自主移动机器人系统,在此基础上研究多传感器融合定位算法、全局路径规划算法,并通过仿真和实际物理平台的实验对本文工作进行验证。本文主要研究内容如下:（1）设计并搭建了自主移动机器人系统。首先,分析了运动学模型后推导出了运动学方程。然后,考虑了影响定位和导航的因素,并分析了定位传感器的原理和特性,进而提出了自主移动机器人总体设计方案。最后,搭建和介绍了自主移动机器人系统;（2）设计并实现了多传感器融合定位算法。首先,选定了在决策级采用基于概率统计的融合定位方案,设计并实现了融合定位流程。其次,对各传感器的多源数据进行采集和预处理。接着,以轮速计为先验,惯导和UWB为后验,通过扩展卡尔曼滤波获得里程信息,并在Matlab中进行了仿真验证。最后,融合了激光雷达和深度相机点云数据,通过似然域模型计算了粒子权重,通过自适应蒙特卡罗算法完成了全局定位功能;（3）设计并实现了全局路径规划融合算法。首先,分析了图搜索和随机采样算法。其次,提出了改进的RRT-Connect算法,可双向快速搜索出一条局部最优的连通路径。并在Matlab仿真验证了改进采样算法有效降低了路径规划耗时。然后,针对A*在静态环境下稳定规划近似最优路径的优点和A*存在局部最优解和路径持续失效的缺点,结合改进RRT-Connect随机采样和快速规划的特点,提出了一种支持自适应调整迭代条件以实现策略切换的路径融合算法。通过在Gazebo中仿真确定迭代条件阈值,并对路径进行拼接和平滑处理,实现了自主移动机器人在动静态环境下的自主导航;（4）设计了实验并验证本文算法。首先,实验验证了本文的定位融合算法能够有效提高精度和保持鲁棒性。其次,分别在动静态场景下进行了导航避障实验,实验结果表明了本文的路径融合算法的静态通行效率更高,动态避障速度效率提高了5.6%。