移动机器人通过管理资源并做出决策实现给定任务,它的效能直接取决于其自主导航的能力。复杂的场景对机器人环境建模和导航算法提出了更加严峻的挑战。当前计算机方法已取得重要进展,但环境和传感器对定位的影响以及规划效率等仍是挑战问题。哺乳动物发挥海马体认知、学习以及信息整合的能力可辅助定位和导航。因此,本文针对传统建图导航方法的局限性,提出了一种结合类脑认知理论和计算机建模机制的经验认知地图构建以及路径规划方法,为仿生导航研究提供了一种方案。机器人对空间环境的感知是信息传递处理的第一步,本文首先构建了类脑空间环境认知模型。通过Gabor滤波器建立视觉线索细胞,包含空间中的环境信息,模拟人类对于外界环境信息的处理过程;通过头朝向细胞的方位角以及俯仰角编码层、3D网格细胞的相位振荡机制,传递机器人自运动相关信息;通过基于Anti-Hebbian的递归神经网络模型对视觉以及自运动信息进行整合与选择,激活特定位置细胞,形成机器人在空间中的位置表达。为降低经验认知地图构建过程中的传感器误差、累计误差等,本文提出了结合贝叶斯估计的误差修正策略。建立以当前激活位置细胞为中心的可选邻域空间,利用贝叶斯估计理论计算各备选子空间的概率分布情况。同时,提出可选邻域空间的会聚判定准则,通过空间概率的逐步迭代计算,实现邻域空间收敛,获得修正后的位置细胞的空间位置。将包含图像滤波后信息、头朝向细胞信息、位置细胞激活信息以及与下一个可选节点的连接关系的集合作为一个经验认知节点,构建完整的拓扑经验认知地图。受认知神经科学中海马体相关行为决策的启发,结合马尔可夫决策以及强化学习相关原理,构建了关于机器人在经验认知地图中的状态后继表示模型,训练建立完整的地图全局连接关系。同时,提出判定模型收敛的信息熵计算方法,用以评价模型的自组织程度和可靠性。针对特定任务的目标位置,设置奖励函数,可以实现机器人面向目标的快速序列规划。为验证本文算法的可行性和有效性,本文在Eu Roc简单和复杂数据集、多层迷宫环境和室外环境下进行了实验。实验表明,与Neuro SLAM、OKVIS和VINS算法相比,本文所提方法定位精度最高,在MH＿01数据下平均绝对误差为0.129,在MH＿03数据下为0.202。同时,本文路径规划方法能够快速解码经验节点间的连接关系,与Dijkstra算法相比具有O（n）复杂度,在室外移动机器人路径规划实验中规划速度提高22%。