自主导航是移动机器人系统的核心能力,是定位、建图、路径规划与控制的系统集成。建图过程实现对环境理解,其中稀疏点云能够以较高的实时性完成对环境的稀疏重建,但是稀疏点云不能充分表达环境信息,较难独立应用其完成导航任务。人类可以依靠学习到的环境情景信息,实现基于经验的导航,不需要依赖高精度的环境地图。因此本文提出一种融合情景经验与稀疏点云的移动机器人导航系统。设计导航系统框架包含三个模块:稀疏点云、情景经验地图与路径规划,利用稀疏点云定位机器人,基于情景经验地图实现全局事件序列规划与局部规划。首先,重建环境稀疏点云并构建多传感器融合定位方案。采用基于特征点法前端跟踪位姿,利用基于优化的后端更新地图。稀疏点云被用于定位移动机器人与辅助构建情景经验地图,能够根据环境变化在线更新点云,适应变化环境下的机器人定位。为了实现更加精确与鲁棒的导航性能,对多传感器融合定位进行互补性分析,构建基于扩展卡尔曼滤波器的视觉里程计、IMU与轮式里程计融合定位方案。其次,构建情景经验地图。受人类基于情景经验导航方式启发,构建情景经验模型封装了场景感知、位姿信息、事件转移集和决策行为。提出情景增量学习方法与自组织认知经验完成情景经验地图的构建,形成对环境在几何关系与拓扑关系的综合表述。情景经验地图简化并模拟了经验积累过程,完成对环境的认知,为后续移动机器人路径规划与导航提供支持。然后,基于构建的情景经验地图设计路径规划算法。结合情景经验的事件转移集与Dijkstra算法设计全局事件序列规划算法,获取全局最优路径。将情景经验的决策行为引入到动态窗口算法的评价函数,提出引入经验信息的动态窗口法,可在局部范围获取最优路径。最后,搭建移动机器人硬件平台与软件系统并设计导航实验。应用HUSKY A200移动平台搭载Kinect 2相机、IMU和激光传感器HOKUYO UTM-30LX,在kitti数据集和实际室内场景下,基于提出的导航系统进行建图与导航实验。实验结果表明:该导航系统能够根据不同的导航任务规划出全局最优路径,并且具有较高的导航精度。