地面自主机器人(Autonomous Ground Vehicle，简称AGV)是一种能够在各种地面环境中连续自主运动的车辆，其发展对国防、社会、经济和科学技术具有重大的影响力，已成为各国高科技领域的战略性研究目标。自主导航一直是自主移动机器人的一个最基本需求。本文的主要工作结合“地面智能机器人”“十五”计划的工程需要，围绕移动机器人自主导航研究中的两项关键技术—路径规划与跟踪控制进行了系统研究，为“地面智能机器人”“十五”计划工程的顺利完成做出了贡献。论文首先全面分析了目前路径规划算法和跟踪控制算法的发展现状。对这些方法进行归纳总结，评价各算法的性能差异，以便于比较研究。在此基础上进行了深入研究，取得了以下四项创新性成果和创新点。针对室内环境特点，提出一种基于模糊雷达方向权的反应式局部路径规划算法。利用三元组来描述机器人的环境与目标信息，并设计模糊方向权函数，根据三元组推导方向权的权值。结合VFH+算法，对方向权进行了滤波，以补偿机器人宽度对避障的影响。复杂环境下的机器人导航一直是机器人自主导航研究的难点和热点。本文根据轮式车辆的运动学特点，针对机器人导航中安全性问题以及算法实时性要求，给出一种适用于复杂环境下轮式车自主导航的局部路径规划算法。在综合考虑路径长度，算法实时性，移动机器人避障安全性等多个方面，给出视场范围的可通行区域快速划分算法，在此基础上利用模糊子集对可通行区域进行安全性评估。针对车体颠簸起伏对导航造成影响的问题，研究了地形高程对越野可通行性的影响，提取了反映地形起伏幅度特征。最后综合以上因素，设计可通行区通过代价函数。针对传统神经网络方法进行路径规划时对每个障碍均设计一些特定的隐节点，当障碍较多且环境障碍为动态时，网络结构庞大且神经元的阈值随时间的变化而需要不断改变的缺点，提出一种神经网络和粒子群算法相结合的移动机器人路径规划方法，采用小波网络和RBF网络相结合的四层神经网络结构。同时根据获得的环境信息，利用粒子群对神经网络的参数进行训练，在规定的代数内对网络参数优化，使得机器人在移动过程中能够快速响应环境信息的变化。设计一种移动机器人轨迹跟踪控制器并利用Lyapunov稳定性定理证明了该控制器的全局稳定性。针对人为设定该类控制器参数工作量较大，根据移动机器人跟踪控制过程的非线性本质，提出了一种采用模糊非线性参数的跟踪控制方法。并在无先验知识的前提下，分别利用粒子群算法和蚁群算法自动提取控制器参数的模糊规则基。在上述工作的基础上，设计并实现的路径规划与跟踪控制系统，进行了多次室内以及室外中等起伏环境下的实车试验，验证了算法的可行性和有效性。本文的研究主要基于国家部委一项跨行业重点预研项目“地面智能移动机器人”和XX基础研究项目“微小型地面移动机器人”，在本文算法基础上设计的路径规划与跟踪控制系统作为其功能模块，顺利通过了部委专家组的验收与鉴定。