移动机器人作为机器人中的重要分支是实现人工智能的重要组成部分。移动机器人进行陌生环境探索和开发,对人类的作用更加突出,且随着技术的发展,工业、医疗、国防、搜救等领域对移动机器人需求越来越高,移动机器人如何具备“自我思想”（自主、智能）是未来需要重点攻克的难题。本文以实现陌生环境移动机器人地图创建、自身定位和自主导航为研究目标,以Kinect传感器和Kobuki底座系统为实验平台,基于同步定位与建图（SLAM,simultaneous localization and mapping）,移动机器人路径规划（Path-Planning）开展了移动机器人自主导航实现机制的研究。移动机器人自主导航通过Kinect采集的数据融合里程计信息,实现前端数据的获取,然后通过基于Rao-Blackwellized粒子滤波的SLAM算法实现机器人精确定位。基于更新后的位姿信息融合传感器采集的信息,创建增量式地图。基于陌生环境的先验栅格地图,然后通过全局路径规划A^*或者Dijkstra算法,得到地图上从起始点到目标点的一条最优路径,机器人在基于最优路径前进过程中,根据局部路径规划动态窗（Dynamic Window Approach）算法进行局部避障,实现移动机器人自主导航。论文主要工作包括:1.分析了移动机器人在当前社会领域的重要地位和发展前景,对目前应用最为广泛的导航系统进行了原理概述,并结合陌生环境探索过程中对同步定位与建图、路径规划的需求,设计了一种在ROS平台上基于Kinect深度相机的机器人导航方案。2.利用Kinect深度相机解决了当移动机器人携带1D和2D传感器离地面存在一定距离时,机器人不能准确感知传感器视场以下的障碍物（例如L形障碍物）导致机器人有可能丢失或错误表达障碍物形状的问题。3.同步定位与建图:针对扩展卡尔曼滤波的高斯假设,引入EKF-SLAM算法,探讨了EKF算法在SLAM中的实现,研究了在高斯假设下EKF-SLAM完成同步定位与建图中的实用性。为了克服EKF-SLAM存在不足,进一步研究了基于RBPF粒子滤波算法在SLAM的实现与应用。将初更正后机器人状态信息作为RBPF-SLAM的输入,最终输出机器人精确的状态信息,创建增量式环境地图。4.分析全局路径规划A^*算法、Dijkstra算法的数学原理和实现步骤。在机器人先前根据环境建立的先验地图,对于单源单目标可采用A^*算法、多源单目标或单源多目标采用Dijkstra算法进行全局规划,在动态环境中,可以根据DWA算法,完成动态避障。5.利用机器人操作系统和Turtlebot进行了算法实现和实验验证,最终实现了移动机器人自主导航。