以移动智能小车的室内导航为背景,对移动智能小车的上位机软硬件开发、全局路径规划、场景识别和环境建模等问题进行了理论与实验研究。首先搭建和配置了移动智能小车的硬件平台和软件平台。硬件上,在先锋移动机器人Pioneer3-AT基础上的配备了西科LMS-200激光雷达传感器、视觉传感器Kinect、超声波传感器,另外还将嵌入式开发板BeagleBone Black作为移动机器人的上位机进行了实验研究。软件上,将Aria软件、MobileSim软件、ubuntu系统和机器人操作系统ROS移植到嵌入式开发板BeagleBone Black上,在笔记本和BBB开发板上搭建了实验软件平台,而且建立了基于ROS的分布式系统。第二,在路径规划算法上面,详细地介绍了A星算法的原理与应用环境,将A星算法在MATLAB上做了仿真实验,在仿真软件MobileSim上做了机器人的仿真实验,以及在P3-AT实验平台做了实验研究,验证了A星算法的有效性,并且总结了A星算法在实际的室内路径规划中的优缺点。第三,针对基于激光数据的房间识别问题进行了研究。激光测距传感器由于自身的高精度,是目前移动机器人最常用的传感器之一。本文使用环投影和极限学习机算法来分类激光数据样本,使用西科LMS-200激光雷达采集了9个室内场景的样本数据并进行了实验研究,测试平均识别准确率在74%左右,而且极限学习机(ELM)算法的识别准确率比支持向量机(SVM)高。为了进一步验证算法的有效性,我们又在公共数据集上做了相关实验,测试平均识别准确率在70%左右,结果表明本课题所用场景识别方法在公共数据集上也有较好的效果。一系列实验表明,本课题所使用的场景识别算法比较有效,可以和全局路径规划算法配合使用,从而提高移动机器人的避障和导航效果。第四,针对移动机器人的环境建模问题进行了算法和实验研究,分别采用激光雷达、Kinect传感器采集数据进行环境建模实验,并实验了多个不同的室内环境,主要包括实验室、走廊、电梯、健身房、会议室、地下室、厨房和卫生间。最后,总结了本文所取得的研究成果,并提出了下一步的工作展望。