机器人导航是机器人依据传感器信息计算自身位置,构建环境地图,并通过地图求解出到目标位置的有效路径,最终按照规划路径成功运动至目标位置。机器人导航技术是机器人的核心技术之一,主要分为定位建图和路径规划两个研究内容。在机器人大角度机动、场景动态变化等条件下,视觉定位建图方法的鲁棒性受到了巨大的挑战。此外,传统的全局路径规划方法将欧式距离作为启发式函数,不适用于通道狭窄、障碍物较多等场景。针对以上问题,本文分别提出了一种鲁棒定位建图方法和一种全局路径规划方法,并在移动机器人平台上进行了演示验证。具体研究内容如下:1)针对视觉定位与建图方法在恶劣环境下容易造成位姿估计失败的问题,本文提出了一种多传感器信息融合的鲁棒定位建图方法。该方法首先通过误差状态卡尔曼滤波算法融合轮式里程计和惯性测量单元的信息,为激光点云扫描匹配提供良好的六自由度初始位姿。其次,在计算视觉位姿失败时,本方法可以依据激光位姿进行辅助重定位,以提高视觉定位的鲁棒性。然后,采用扩展卡尔曼滤波算法融合视觉位姿和激光位姿,得到精确的机器人融合位姿。最后,优先选取特征丰富的视觉信息进行闭环检测,再利用激光点云数据进行闭环验证,保证了建图的精确性。实验结果表明,通过融合多种传感器的信息可以有效提高机器人定位的鲁棒性,构建精确的环境地图。2)针对传统路径规划方法的启发式函数对状态空间中节点到目标点的距离表示不准确的问题,本文提出了一种基于快速自适应启发函数的全局路径规划方法。该方法采用非对称双向搜索的策略,通过反向搜索和正向搜索的迭代快速规划路径。在反向搜索中,将通过反向搜索点集存在可行路径到达目标点的有效采样点加入反向搜索点集,并计算其通过相应可行路径到达目标点的距离。在正向搜索中,将有效采样点两两相连生成有序边,根据有序边子节点通过邻域内反向搜索点到目标点的距离来构建自适应启发函数,并根据启发函数将更优的有序边加入正向搜索树。在获得初始路径之后,通过渐进式采样区域压缩进行路径优化。实验结果表明,本文方法与传统方法相比所规划的路径更短、成功率更高。3)针对服务机器人对多传感器信息融合的室内导航技术的实际需求,在智能导览机器人上部署了本文提出的以上两种方法,进行了智能语音导航和智能导览功能开发,验证了机器人导航技术在导览服务机器人的实际应用效果。