随着信息技术、控制技术和人工智能的融合与发展,移动服务机器人在教育、医疗、养老和清洁等方面的应用日益广泛,为人们提供了极大的帮助和便利。服务机器人的自主定位导航是该领域的重点研究内容,同时定位与构图算法SLAM列属其中。SLAM算法被广泛应用于服务机器人的智能定位导航中,但是传统的SLAM算法在定位构图过程中存在粒子易退化、粒子多样性易降低等问题。基于此,本文将重点围绕服务机器人的定位与构图和路径规划算法进行研究。在系统分析自主定位导航定位算法、建图方法等相关理论的基础上,集成应用激光雷达测距,建立起机器人位姿坐标系、里程计运动坐标系和激光雷达感知坐标系。考虑到粒子滤波SLAM维度过高,研究了基于Rao-Blackwellization理论的粒子滤波SLAM,即RBPF-SLAM。针对传统RBPF-SLAM中位姿估计与实际位姿偏差较大的问题,在本文中,将最新的观测数据结合到所提出的分布中,使所提出的分布更接近目标。为解决RBPF-SLAM中粒子退化和粒子多样性降低的问题,引入有效粒子数Neff来测量判断粒子权值退化的程度并决定是否进行重采样;提出了改进的重采样策略,保留中等权重粒子的同时,给少数低权重粒子复制的机会,提高了重采样算法的效率。并且在matlab中对传统RBPF-SLAM和改进后的RBPF-SLAM算法进行仿真验证,结果表明改进后的估计粒子状态与真实值更接近。针对服务机器人的路径规划及避障问题,主要采用A*和DWA(动态窗口法)分别作为全局路径规划和局部路径规划的研究算法,并在可视化工具Rviz中分别实现了两种路径规划算法的模拟仿真。进而,本文融合A*算法和DWA算法的导航优势,得到混合的路径规划算法,并在Gazebo模拟仿真环境中实现仿真测试,得到平滑、精确的目标路线,使机器人能够安全到达目的地。最后,基于搭建有RPLIDAR的MT-UROBOT机器人平台,在实验环境中进行传统RBPF-SLAM算法和改进RBPF-SLAM算法的定位与构图实验,验证改进后算法具有更高的定位和建图精度;同时在实验环境中完成了机器人路径规划及避障实验,结果表明全局路径A*算法、局部路径DWA算法及其融合算法的导航效果达到预期指标。