移动机器人的自主导航能力作为其智能化程度的关键技术之一,是移动机器人智能化作业的基础。当前,结构化环境中的自主导航技术成熟且已取得了大量的应用成果,但是非结构化环境的未知性和复杂性给移动机器人的自主导航带来较大的挑战。针对此类问题,本文提出非结构化环境下移动机器人路点导航方案,采用路点导航方式,通过监控软件设置导航过程途经路点的方式将起点-终点的导航方式优化为起点-途经路点-终点,提高路径规划效率的同时有效避免机器人陷入死区。其次,非结构化环境中全局环境地图的获取需耗费大量人力物力进入实地测绘,且环境感知与重建算法高度依赖机器人位姿精度,因此大场景下重建的环境模型会随着位姿的漂移发生畸变。对此,本文提出采用卫星高程地图替代全局环境地图进行全局路径规划,指引移动机器人在复杂环境下自主移动。本文首先设计移动机器人路点导航系统,采用环境适应性较强的多连杆履带式移动平台,建立其运动学模型,设计了移动机器人路点导航系统框架,明确系统中各模块主要功能,并进行深入研究。其次,为了实现机器人精确定位,基于多传感器融合技术估计移动机器人的完整位置、姿态和速度信息。在充分了解GNSS、INS和里程计定位模型和误差来源的基础上,根据各传感器优缺点利用扩展卡尔曼滤波算法对移动机器人的六自由度速度、位置、姿态以及传感器的误差参数进行最优估计。通过实验分析,此方法提升了移动机器人定位的精度以及鲁棒性,并且在GPS信号失锁的情况下,仍能在一定时间内保持较高的定位精度。然后,本文采用A*-PSO自适应路径规划方法,在A*算法的基础上,嵌套粒子群优化算法(Particle Swarm Optimization,PSO)算法,扩大传统A*算法的搜索邻域,自动调整移动步长,显著提高了传统A*算法的运行效率、实现了自适应路径规划。基于此算法研究基于卫星高程地图的全局路径规划方法,通过高程地图坡度、地形起伏度和地形粗糙度三种地形因子计算全局代价地图模型,并基于此搜索全局路径。同时,由于卫星地图精度受限,全局路径只能作为移动机器人的引导,在移动机器人运行过程中通过不断更新维护的局部环境信息进行局部路径规划,达到避障的目的。除此之外,考虑机器人动态以及运动学约束,采用Timed Elastic Band算法对初始路径进行修正,优化机器人的运行轨迹。最后,完成履带式自主移动机器人传感器选型以及平台搭建,完成了移动机器人路点导航实验,验证了本文提出的路点导航方案的有效性。