随着人工智能技术和机器人技术的快速发展,在救援、巡检、水下等领域,移动机器人发挥着不可替代的作用。相比于单任务导航难以更好地适用于复杂多变的实际应用环境,多任务自主导航更贴近现实,是近年来机器人技术研究的一个热点。因此,对移动机器人多任务自主导航进行研究具有十分重要的理论意义和应用价值。首先,在系统研究移动机器人通用导航方式和传感器的基础上,选取激光测距仪作为导航系统中的主要感知装置,在通用性较好的机器人操作系统(Robot Operating System,ROS)平台上,利用同时定位与地图构建(Simultaneous Localization and Mapping,SLAM)方法进行环境地图构建,完成了ROS上移动机器人多任务自主导航系统方案的设计。然后,针对基于Rao-Blackwellized粒子滤波器的SLAM(Rao-Blackwellized Particle Filter SLAM,RBPF-SLAM)算法存在所需粒子数多和粒子匮乏的问题,提出一种改进的RBPF-SLAM(Improved RBPF-SLAM,IRBPF-SLAM)算法。该算法以退火参数优化混合提议分布,并融入激光测距仪观测信息;同时设计一种基于等级的自适应局部重采样(Adaptive Partial Rank-based Resampling,APRR)技术,以缓解粒子退化。实验验证了该算法的运算效率优于RBPF-SLAM算法,但仍存在估计精度低、噪声环境下鲁棒性较差的问题。为进一步实现精确可靠的导航,提出一种基于改进Rao-Blackwellized H∞滤波的SLAM(Improved Rao-Blackwellized H∞Filter-based SLAM,IRBHF-SLAM)方法。该方法利用迭代无迹H∞滤波(Iterative Unscented H∞Filter,IUHF)精确计算重要性密度函数,以此估计系统状态均值和协方差,并通过迭代更新方式,使用观测信息不断校正,进一步减小估计误差。利用仿真和实验验证改进算法。实验结果表明该算法具有可行性和鲁棒性。随后,分析和研究多任务路径规划技术,设计一种用于解决多任务路径规划的旅行商问题(Traveling Salesman Problem,TSP)数学模型,利用基于改进人工鱼群算法(Improved Artificial Fish Swarm Algorithm,IAFSA)的路径规划算法对任意两个任务点进行路径规划,求解出路径长度,将其作为TSP模型的输入,并以最短路径消耗作为整体优化目标,利用IAFSA准确搜索出移动机器人遍历所有任务点的最优序列,使机器人能按照该序列依次安全访问所有任务点。通过实验验证该算法是快速有效的。最后,完成ROS上基于激光测距仪的Pioneer3-DX机器人多任务自主导航系统的设计与实现。在不同真实环境中进行地图构建、路径规划、多任务路径规划等实验。结果表明,本课题所研究的ROS上移动机器人多任务自主导航系统是稳定可行的。