近年来,随着计算机技术与控制理论的飞速发展,移动机器人的发展受到了国内外广泛的关注。作为一种集环境识别、路径规划与运动控制为一体的高智能系统,它具有重要的科研价值与商业价值并将显著提升人类的工作生活效率,影响人类的生活方式。对于移动机器人而言,其自主导航过程主要包括机器人自身定位、追踪其他物体、路径规划和运动控制等关键问题,本文在明确了以上研究问题之后,分别针对这些领域的关键技术进行了研究：首先,针对机器人的定位问题,本课题研究了一种常用的机器人定位技术,.蒙特卡罗方法,在该技术的理论基础上,详细分析并阐述了基于蒙特卡罗方法的机器人定位的两个阶段：测量更新和运动更新,并给出了完整的机器人定位过程；其次,针对机器人追踪其他运动物体的问题,本文着重研究了两种重要的滤波器：卡尔曼滤波器和粒子滤波器,并给出了这两种滤波器详细的工作流程并公式推导,和粒子滤波器中的重要过程之一重采样阶段的一种有效的重采样算法；再次,针对机器人的路径规划问题,本课题研究了常用的等代价搜索算法,然后根据其不足之处,将其改进为效率更高的A*算法,并对比了两种算法；此外,为适应机器人运动过程中复杂的情况,本文引进了动态规划技术解决多起点的机器人路径规划问题；最后,利用梯度下降法对获得的路径进行平滑处理；最后,针对机器人的运动控制问题,本研究采用了控制论中的PID控制器并将其应用到机器人的运动控制中。其中P控制器主要用来解决机器人运动轨迹偏移的问题,D控制器用以解决P控制器可能导致的机器人运动到轨道另一侧的问题,而Ⅰ控制器主要用于减少机器人运动过程中的稳态系统误差值；三种控制器的结合使用,可以将机器人的运动误差控制在很小的范围内；此外,本文给出了一种旋转迭代算法来获得PID控制器最优参数组合；在以上研究的基础上,本文选用了Python语言及其运行环境模拟了机器人的环境,实现了以上技术,并给出了详细的实验结果及分析；实践证明,以上技术可以很好的解决移动机器人自主导航过程中几个重要问题。因此,针对上述关键技术的研究对进一步探究移动机器人的自主导航领域将起到非常关键的作用。