近年来机器人技术不断发展,机器人已经慢慢的走进了人们的日常生活中,帮助人们完成生活中的一些任务。在使用机器人时,机器人越智能它能发挥出的作用越大,具有自主导航能力的机器人可以帮助人们完成更多的任务,解决更多的问题。本文主要研究机器人室内的自主导航,主要分为同时定位与创建地图(Simultaneous Localization and Mapping,简称SLAM)和路径规划,这些技术都是目前研究的热点。SLAM技术为机器人描述周围的环境并确定机器人在环境中的位置,路径规划帮助机器人规划从当前位置到目标位置的最优路径,本文主要研究了机器人移动控制的软硬件,SLAM系统和路径规划:1)首先搭建了机器人移动底盘的控制电路,使用双轮差分驱动控制方式,采用正运动学模型控制机器人移动,由上位机发送机器人移动速度,最终转化为机器人底盘左右轮速度,调试PID参数使机器人可以以平稳的速度移动,完成机器人底盘稳定控制。2)研究视觉SLAM前端。介绍了RGB-D相机,并分析了相机模型以及相机的内外参数,在ROS系统下对相机进行了内参标定。根据ORB特征来提取特征点,并使用快速最近邻(FLANN)方法对相邻帧进行特征匹配,最后使用RANSAC算法将匹配的误差项去除。由于RGB-D相机的深度信息的噪声影响较大,使用3D-2D的空间投影求取连续帧的运动估计,研究了PnP算法求解机器人六自由度位姿,并使用非线性优化使误差项最小化。3)研究了SLAM后端。介绍了SLAM的运动模型和观测模型,并研究了基于机器人位姿和路标点的图优化,同时对位姿和路标点进行优化。分析了后端优化求解的稀疏矩阵,为SLAM实时性提供基础。研究了回环检测算法,基于ORB特征构建字典,使用词袋模型完成回环检测,构建全局一致的环境地图和机器人移动轨迹。为了实现机器人避障和导航等功能,需要构建稠密地图,并转换成八叉树地图,压缩地图存储大小,在保证导航功能的基础上减小存储地图的压力。4)研究了基于全局路径规划算法,使机器人在已经构建好的环境地图的基础上进行自主导航。主要研究了具有广度优先搜索和启发代价的~*算法,并对该算法进行改进,使路径搜索算法效率更高,并且规划出的路径更加平滑。