轮式移动机器人(Wheeled Mobile Robot,WMR)被广泛应用于地表和外星球环境的运载和探索任务中,为了提高自主完成任务的能力,WMR的路径规划与轨迹跟踪技术一直是研究热点。在路径规划层面,当前的研究一般未考虑地图构建对路径规划效果的影响以及规划环境和自身运动能力对路径实际可行性的限制;在轨迹跟踪层面,当前的多数研究是基于里程信息准确和轮地纯滚动而无滑转的理想假设。然而,当运动和感知能力有限的WMR运行于真实复杂环境中时,以上未考虑的问题会导致所规划路径实际可行性差,同时导致轨迹跟踪控制器失稳或失效。因此,有必要围绕路径规划的目标设计地图信息重构方法和最优路径规划方法,并且研究轮地非理想滚动时的里程计算方法和抗滑转轨迹跟踪方法。以上研究对于提升WMR自主可靠地完成复杂运动任务的能力具有重大意义。针对WMR位置约束最优路径规划问题,分别从全局和局部两个层面对如何构建与路径规划目标相匹配的代价地图,以及最优路径规划问题的构造和求解进行了研究。以使所规划的全局路径具有广域地图中的最优可通过性为主要目标,将基于卫星高程图建立的全局可通过性代价栅格地图作为规划环境,设计了改进对偶CHOMP(Covariant Hamiltonian Optimization for Motion Planning,CHOMP)高维PTR(Point-to-Region,PTR)路径规划方法。通过引入非单调梯度投影算法(Non-monotone Gradient Projection Algorithm,NGPA)这一高容忍度的有效集法,实现了存在非凸代价函数情况下的高效率和高成功率路径规划。进一步基于模拟退火法框架施行概率化改进,通过克服局部极小死锁和发散,大幅提高了规划成功率。所设计方法能在获取高可通过性路径的同时,均衡路径的低几何跨度和良好平滑性,有利于路径的实际执行。仿真对比结果表明所设计方法可以实现以上预期规划目标。为使所规划的局部路径不仅具有高品质,还具有考虑WMR实际运行能力的最优局部避障效果,设计了最优化局部PTR路径规划方法。该方法将局部静态和动态障碍代价栅格地图作为规划环境,通过改善目标代价函数提升了改进对偶CHOMP方法的局部规划性能,并通过进一步结合HMC(Hamiltonian Monte Carlo)方法,提高了WMR在局部静态和动态环境内的寻路能力。仿真对比结果表明,所设计方法在保证平滑避障效果的基础上不断驱使初始路径跳出局部极小,平衡了避障效果与路径品质,确保了规划的成功率和效率。从增强里程信息准确性和提高轨迹跟踪系统鲁棒性两个维度对抗滑转轨迹跟踪策略进行了研究,进而使WMR在复杂环境中仍有稳定跟踪所规划路径的能力。为消除轮地复杂交互状态对WMR里程测量的影响,基于IMU和单目视觉黑箱的测量信息设计了一种非接触式里程计算方法。基于IMU和视觉信息的更新特点与扩展卡尔曼滤波器(Extended Kalman Filter,EKF)基本框架,设计了半紧密信息耦合IMU辅助视觉EKF(IMU-aided Camera EKF,ICEKF)算法。通过在速度层对IMU和视觉信息进行耦合并估计单目黑箱的位移尺度系数,确保了IMU可以辅助视觉算法输出更准确的里程估计结果。通过在一个WMR搭载的IMU辅助单目视觉系统上应用此方法,制作了一个视觉惯性里程仪(VisualInertial Ordometry,VIO),实验结果表明所设计的ICEKF可以为WMR提供更加可靠的里程测量结果。针对复杂环境中WMR执行轨迹跟踪任务时出现的轮地滑转问题,结合转向和纵向滑转耦合运动学模型设计前馈控制器,实现了对时变滑转率的主动实时补偿。针对轨迹跟踪系统因轮地交互强耦合遇到的难以解析的干扰,基于快速双幂次趋近率和反演法设计了滑模控制(Sliding Mode Control,SMC)器,并进一步结合积分型自适应函数设计了一种新型自适应滑模控制器,确保了对目标轨迹的跟踪效果。已知WMR里程情况下的对比仿真和实验结果表明,所设计方法显著抑制了跟踪控制系统的输出抖振,提高了系统响应能力,削减了跟踪误差,进而实现了强鲁棒性的抗滑转轨迹跟踪控制。通过设计与实施非理想滚动工况下WMR局部路径规划与轨迹跟踪联合实验,验证了以上所设计方法在现实环境中的实际可行性。