随着科技的发展,机器人已经逐渐从实验室进入了普通人的生活,例如银行里的引导机器人、商用送餐机器人等等。这些机器人扮演着越来越重要的角色,因此关于机器人的研究也显得更加有必要。本文将对移动机器人控制系统中较为重要的两个子系统进行研究,即实时定位与建图、路径规划与导航。实时定位与建图（Simultaneous Localization And Mapping,SLAM）主要解决机器人在特定环境下的定位与地图构建问题。根据传感器类型不同可以分为视觉和激光两大类,但视觉SLAM相较于激光SLAM拥有结构简单、成本低廉、可提取语义、适用范围广等优点。本文针对视觉SLAM的主要核心问题进行了研究,包括:SLAM数学模型、相机成像模型、视觉里程计、回环检测等等。然后,采用开源的ORB-SLAM2算法为框架基础进行改进,在原来只能生成稀疏点云地图的前提下完成了稠密点云的建图。但是点云地图存在较多冗余的信息、文件占用大等缺点,不适合导航。为了解决这个问题,将生成的点云地图进行八叉树分解,最终生成可以实现导航任务的八叉树地图。为了让机器人在SLAM完成的环境地图中可以自由移动,本文对机器人路径规划中常采用的A*算法和动态窗口法（Dynamic Window Approach,DWA）进行了研究分析。分别对A*算法在野外复杂环境中容易产生冗余转折点、路径不最优等问题进行了优化。具体而言:将环境地图灰度化处理,不同灰度表示不同的环境特征,对A*算法的启发式函数进行了优化、重构,实现了在特定环境下的最优路径解。对动态窗口法容易陷入局部最优且面对移动障碍物避让不及时或者避让策略不正确的问题,将算法的评价函数与障碍物的速度信息进行联合判断同时与A*算法进行融合,实现了动态环境下的实时避让。最后,在基于Ubuntu的ROS操作系统下完成对机器人的室内建图与导航系统设计。首先对移动机器人及所需的传感器进行编程建模,然后将基于ORB-SALM2的视觉SLAM、激光SLAM和路径规划结合起来,实现在环境已知的条件下的自主导航和环境未知条件下的探索式导航。