随着科学技术水平的不断提升和社会生产力的迅猛发展,机器人与人工智能技术在日常生产生活中得到越来越多的关注与应用,有关机器人领域的研究与突破也正在成为推动我国产业升级与动能转换的强劲动力。而移动机器人作为机器人技术的一个重要分支,其跨学科的研究特点和多维度的应用场景使其成为当前机器人与人工智能技术研究的热点方向与前沿领域。为解决移动机器人的智能化与自主化行驶问题,本文针对基于激光SLAM的自主导航技术展开研究,并以此实现移动机器人在未知场景中的地图构建、自主定位、路径规划与实时避障。本文的主要研究内容如下:首先,为解决未知环境中的地图构建问题,本文对激光雷达和占据栅格地图的原理与模型进行详细探讨,并重点研究图优化方法各模块的理论基础及相互作用机理。以此为基础提出基于自适应回环匹配策略的改进图优化方法,该方法利用建图路线的几何回环程度自适应调整回环匹配搜索步长,并结合有效性判定以提高回环检测的精度与可靠性。基于开源地图数据集设计算法的仿真建图实验,对图优化方法的回环检测与后端优化效果和改进图优化方法在全局建图精度上的整体提升进行验证。其次,为解决已知环境中的移动机器人路径规划问题,本文对自适应蒙特卡洛定位的算法模型与基于代价地图的路径规划环境模型展开研究,从而为路径规划提供位置与环境信息基础。通过对全局路径规划的相关算法进行理论分析与仿真对比,验证了 A*算法相对于其他路径规划方法的优越性,并通过对A*算法的行驶代价预估函数和路径生成方式进行优化,提升了算法的全局规划效率和路径平滑程度。本文对DWA局部路径规划算法的速度采样机制和轨迹评价方法进行详细研究,并通过虚拟场景仿真实验验证了优化A*算法的路径规划效果以及DWA算法的实时避障性能。最后,为从实际角度验证相关算法的运行效果,本文以ARTROBOT智能车硬件框架和ROS系统软件框架为基础,在室内场景下对SLAM地图构建、全局路径规划以及局部实时避障进行实际测试。通过对SLAM与路径规划实验的结果进行对比分析,验证了本文中相关算法的整体优化效果,并通过对智能车在不同动态障碍路况下的避障能力进行实验验证,确保移动机器人的自主导航符合现实场景的实时性需求。