随着智能无人车技术的不断发展,使得越来越多的各种形式的无人车在工业上得到了应用。为了使人们的生活更加快捷便利,更多的研究人员致力于智能车领域的研究。移动无人车对未知环境的探索一直是其研究的热点和难点,其中定位和地图构建（SLAM）以及路径规划方案是无人设备实现自主定位和导航的关键技术。本文首先从无人车的定位和地图构建（SLAM）出发,介绍了无人车运动过程中常用的坐标系,建立了移动无人车的圆弧运动模型,以便接下来的算法分析。选用了基于扩展卡尔曼滤波的SLAM的算法、基于粒子滤波的RBPFSLAM算法和Gmapping算法,基于图优化的Cartographer算法进行了原理分析,综合比较了几种建图方案的优缺点,进行了不同建图算法的仿真测试和分析比较,选取了适用于自主导航的基本建图算法框架。移动无人车的路径规划是无人车最重要的核心技术之一,规划的路径应该是尽量做到最优的、无冲突的。本文分析对比了基于Dijkstra和A star的全局路径规划技术。A star算法引入了启发式函数,减少了节点的搜寻,既保留了Dijkstra算法得到最短路径的优点,同时又兼顾了广度优先搜索的优势,所以本课题选用A star算法作为全局路径规划算法。局部路径规划方面,选用了传统的基于动态窗口的DWA算法作为主要算法,通过引入全局信息的评价函数,解决了陷入局部最优的问题,同时保留了无人车能够实时躲避障碍物的性能优点。最后,本文以四轮麦克纳姆轮式无人车为实验平台,在ROS系统中设计并实现了无人车的自主导航,将本文所研究的定位和地图构建算法及路径规划方案进行组合,在室内场景下进行了实验,验证了所研究的室内定位和地图构建算法及路径规划方案的正确性和可用性。