家庭服务型机器人越来越多的受到关注,但是在室内这种复杂环境下,服务型机器人仍然存在定位不准,路径规划不安全等问题。本文基于这一点,以搭载二维激光雷达的机器人作为研究对象,开展了移动机器人室内定位和路径规划的研究。本文针对室内定位算法如扩展卡尔曼算法、无迹卡尔曼算法、粒子滤波算法等进行了研究,重点开展粒子滤波算法的研究,并分析各种算法的优劣。针对传统粒子滤波算法重采样过程中造成的粒子多样性丧失问题,对粒子滤波算法进行改进创新。提出一种融合分数阶和蝴蝶优化的改进粒子滤波算法,通过引入分数阶理论,利用分数阶的历史记忆特性,解决了粒子多样性丧失问题;搜索阶段引入蝴蝶优化算法和Lévy飞行,可以避免局部最优。将三种传统定位滤波算法、改进粒子滤波算法在matlab上通过一维系统和二维系统的仿真对比,分析定位误差和算法运行时间,仿真结果表明融合分数阶和蝴蝶优化的改进粒子滤波算法误差最小,运算效率较高。针对路径规划算法如蚁群算法、Dijkstra算法、A*算法开展了研究,着重研究A*算法。针对传统A*算法规划路径转折次数多,路径平滑度不佳以及规划路径穿越障碍物顶点的问题,提出一种基于障碍物率的改进A*算法。通过引入障碍物率,优化算法的评价函数,提高搜索效率和精度;通过优化子节点的选择方式,减少算法搜索空间;通过引入双向平滑度优化算法减少路径转折次数,使路径更加平滑;考虑移动机器人自身体积大小,设置机器人与障碍物的安全距离,避免机器人运动过程中与障碍物发生剐蹭、碰撞;通过引入动态窗口算法,实现局部随机避障。将三种传统路径规划算法与本文改进的A*算法在matlab上进行仿真对比,分析各算法的规划时间、搜索空间、路径长度、路径转折次数等参数。仿真结果表明基于障碍物率的改进A*算法路径规划消耗时间最短,搜索空间平均减少61.5%,路径长度最短,转折次数最少,路径更加平滑,不仅使机器人与障碍物保持安全距离,而且可以避开随机出现的障碍物。最后使用移动机器人,在实验室和长走廊对改进的定位算法和改进路径规划算法分别进行实验验证。实验结果证明了改进算法的有效性,适用于移动机器人在实际室内环境中进行室内定位和路径规划,对室内移动机器人的推广有一定指导意义。