21世纪以来,机器人相关技术在不断发展,智能机器人的应用领域也日益增加。随着疫情的发生,商场等场所对于智能服务机器人的需求也在不断攀升,导购机器人隶属于智能服务机器人中重要的一员,受到国内外大量学者的关注。本文从实际需求出发,针对顾客经常面临较难直接从商场中找到所需商品的具体位置问题,自主设计了基于ROS和激光SLAM的导购机器人自主导航系统。本论文的主要研究工作如下:(1)搭建了基于ROS(Robot Operating System)和激光SLAM(Simultaneous Localization and Mapping)的导购机器人硬件平台。在分析ROS的自主导航框架基础上,设计了自主导航系统总体架构;并对机器人电源模块、STM32主控模块、底盘模块、电机驱动模块、PC(Personal Computer)工控机数据处理模块以及传感器等硬件模块进行介绍,并将它们集成为一套完整的导购机器人平台。(2)采用扩展卡尔曼滤波算法(Extend Kalman Filter,EKF)有效融合IMU(惯性测量单元,Inertial Measurement Unit)数据与里程计数据,作为机器人的位姿估计信息。并将激光雷达扫描获得的观测信息也加入到RBPF-SLAM(RaoBlackwellized Particle Filter-Simultaneous Localization and Mapping)的提议分布中,进一步提高机器人进行位姿估计的精度以及创建栅格地图的准确度。在RBPF的重采样阶段,引入KLD(Kullback-Leibler Divergence)算法,动态调节粒子规模,在保证定位精度的同时减少运算量,大大降低粒子的重采样数量。(3)针对原始A*(Astar)算法在进行全局路径规划时,有时反复对于同一个节点进行计算,降低算法运算效率的问题,采用网格映射的方法改进A*算法,不需要创建一个CLOSE表,只需要对相同的节点进行一次访问,大大提升A*算法效率。对于改进A*算法规划路径时仅考虑最短路径,不考虑所规划路径是否安全的问题,采用混合算法进行全局路径规划,即使用粒子群算法(Particle Swarm Optimization,PSO)优化改进A*算法进行全局路径规划所得到的关键节点,在实现全局最优的基础上,进一步实现局部最优。考虑到商场中必然出现行人等动态障碍物,采用基于DWA(Dynamic Window Approach)的局部避障算法,实现机器人的局部实时避障功能。最后在Matlab中将混合算法与基于DWA的局部避障算法进行了仿真验证,混合算法相对于传统全局路径规划算法规划的路径更加安全和平滑,并且成功实现机器人的局部实时避障功能。(4)针对商场等导购机器人应用场景,在自主搭建的基于ROS和激光SLAM的导购机器人上进行以上改进方案的实验验证。针对RBPF-SLAM算法提出的相关改进方案进行了可行性实验验证,并将长走廊模拟超市货架间的安全通道进行导航以及行人故意遮挡机器人预前进路径等场景,多次进行自主导航实验,验证了混合全局路径规划算法的有效性、机器人导航过程中实时避障功能的有效性以及导购机器人整体导航系统的可行性和稳定性。