人工智能、5G、传感器等技术的突破性进展推动了智能机器人的快速发展。以自动导引车（Automatic Guided Vehicle,AGV）为代表的移动机器人广泛应用于仓储物流、智能制造车间、机场码头、危险场所和特种作业等领域。AGV作为工业应用领域自动化程度较高的设备之一,随着“中国制造2025”计划的出台,智能化的AGV在产业转型升级过程中扮演者重要的角色,而导航技术作为AGV的核心技术之一,直接决定着AGV智能化程度,因此对室内AGV的导航技术研究具有重要的意义。本文以智能仓储物流为背景,对AGV导航技术从以下几点展开研究。1.结合本课题实际,首先,分析国内外AGV相关技术并着重调研了国内外SLAM技术和路径规划技术的研究方向与研究进展;其次,构建AGV导航系统,建立AGV的运动学模型、各传感器模型等。2.对基于滤波器和基于图优化的两类激光SLAM算法进行研究,分析存在的问题并提出改进优化策略。其一,对基于滤波的RBPF-SLAM算法存在位姿估计不准、粒子退化等问题,使用改进提议分布和改进重采样两种优化方案,将陀螺仪和里程计的信息融合得到第一次修正后的位姿信息,连同激光雷达信息输入到贝叶斯滤波器,得到第二次修正的精确位姿,得到的精确位姿与激光雷达初步构建的局部地图两者更新得到全局地图。其二,针对基于里程计、陀螺仪、激光雷达融合的Cartographer算法存在错误回环的问题,提出将惰性策略引入回环检测,有效减少了假阳性的出现。3.在静态全局路径规划规划中,针对传统A*（A-star）算法路径规划转折点多,转弯不平滑等问题进行算法改进。首先,将环境信息引入评价函数,根据环境信息,实时改变启发函数的权重,提高了算法的灵活性;其次,结合弗洛伊德（Floyd）算法思想对路径进行优化。实验结果表明,改进后的算法删除了冗余的节点,使得规划路径更短、更平滑。在动态局部路径规划中,传统DWA算法只有一个目标点作为指引,易偏离最优路径。为解决动态局部路径规划偏离最优路径问题,设计基于全局最优的改进多目标点DWA算法。实验结果表明,此算法以提取改进A*算法路径规划的关键点为中间目标点,改善了传统DWA算法在单一目标点下易偏离全局最优的路径的问题。4.在完成定位与建图,路径规划仿真验证的基础上,基于ROS系统对改进的SLAM算法、全局路径规划算法、局部路径规划算法进行真实环境下的实验验证。首先,对学院31421室内环境进行建图实验,由实验结果看出两种算法经改进后都表现出很强的建图能力。其次,基于所建地图进行静态、动态导航实验。实验结果表明,静态环境中,改进A*算法规划的路径更短、更平滑;在动态环境中,基于全局最优的改进多目标点DWA算法,具有很强的避障能力,避障结束后可快速收敛至全局最优路径。