移动机器人对物流运输系统的智能化、信息化具有重要作用,其应用领域正在逐渐从严格可控的工厂环境向更自然的日常生活场景扩展。然而,复杂动态环境下机器人导航技术仍面临诸多挑战,例如,环境的不确定性和不完全可观测性导致系统的不可靠性增加;机器人环境感知能力不足导致决策信息缺乏;复杂因素导致规划算法难以设计;如何处理动态物体对定位算法的干扰以及复杂的人机交互问题等。本文以真实复杂动态环境中的机器人导航为场景,从基于激光雷达的行人检测与追踪、定位异常检测与重定位、导航决策三个层面展开研究,综合运用深度学习、采样法、动态规划等方法来提高机器人导航系统的性能、安全性、可靠性。本文主要工作内容与创新点如下:1.探索了人群稠密环境下二维激光雷达行人检测与追踪问题。首先,针对人工标注激光数据费时费力的问题,本文提出了一种基于栅格地图的激光雷达行人自动标注算法。其次,针对现有二维激光雷达行人检测数据集所含行人数量较少的问题,我们在人群稠密场所中采集了大量激光数据,并对其进行了自动标注,为密集人群环境中的开源数据集做出了贡献。最后,针对低功耗平台上行人检测器的推理速度不能满足实时性要求的问题,本文提出了一种基于跳跃距离分割法的预处理方法。实验结果表明,自动标注算法可以快速、准确地标注每个激光点的类别,而跳跃距离下采样法可以在保证模型性能的前提下将推理速度提升一个数量级。2.探索了动态环境下的机器人定位问题。首先,针对动态物体对测量数据的干扰和破坏问题,本文提出了基于行人检测器的异常值去除方法,以缓解噪音对定位的影响。其次,针对复杂环境中定位算法会有一定概率失败的问题,本文设计了定位异常检测算法。最后,针对Monte Carlo全局定位方法计算效率低且需要多步迭代才能收敛的问题,本文提出了融合多分辨相关性扫描匹配与粒子滤波的定位算法框架。实验结果表明,该方法提高了机器人定位的效率和实用性。3.探索了复杂动态环境下机器人导航问题的解决方案。首先,为了使人类更好地与机器人协作,本文提出了导航的清晰性指标。其次,本文对导航问题进行了分解,并设计了适合室内运输机器人的导航行为。最后,本文设计了基于Frenet坐标系的避障与让路算法。实验结果表明,该算法提高了机器人移动行为的一致性和可预测性,从而提高了导航的效率与安全性。综上,本文的三个主要创新点总结如下:1)提出了一种简单有效的基于二维激光雷达的行人自动标注算法;2)提出了融合相关性扫描匹配和粒子滤波的机器人定位框架;3)提出了基于Frenet坐标系和采样法的考虑了导航的清晰性、可预测性和靠右行通行规范的避障算法。最后,我们设计并实现了室内运输机器人原型机软硬件系统,并在真实医院环境（中科大第一附属医院南区）中进行了大量的测试,验证了算法的有效性,并分析了复杂动态环境下机器人导航系统面临的一些待解决的挑战。