自动引导车辆（Automated Guided Vehicle,AGV）作为移动机器人的重要组成部分,在各个智能化领域都发挥着重要作用。在AGV自主导航系统中,即时定位地图构建（Simultaneous Localization and Mapping,SLAM）和路径规划是亟待解决的核心技术问题。本文针对室内AGV自主导航技术,搭建了基于机器人操作系统（Robot Operating System,ROS）的室内AGV导航平台,并结合激光技术对SLAM和路径规划问题展开了系统的研究,最后完成了算法的改进并对其性能进行验证。论文的主要工作内容为:在定位与建图方面,针对传统Gmapping算法存在建图轮廓粗糙、定位精度低以及粒子缺乏多样性的问题,提出一种基于区域生长（Region Seeds Growing,RSG）的改进Gmapping算法。算法结合区域生长方法提取点云数据的线特征,通过线特征的位置和角度完成点云配准,并使用扩展卡尔曼滤波（Extended Kalman Filter,EKF）融合里程计和惯性测量单元（Inertial Measurement Unit,IMU）信息,同时为了维持粒子的多样性,在Gmapping的重采样过程中引入精英遗传思想,最后通过对比原始算法和本文的改进算法在相同环境下的定位和建图结果,证明了本文所改进算法具有定位更准确、建图更清晰的优点。在路径规划方面,为了解决传统跳点搜索（Jump Point Search,JPS）算法在路径规划问题中存在的搜索效率低和路径规划不平滑等不足之处,提出一种基于启发式双向搜索的改进路径规划算法。算法将双向搜索机制引入JPS算法中,并融合改进JPS算法和动态窗口法（Dynamic Window Approach,DWA）算法,达到缩短路径搜索时间和避障目的,将本文所提出改进JPS算法和已有常用算法在仿真环境下进行对比实验,结果证明,本文所提出的改进JPS算法有效减少了路径搜索时间和搜索节点,改进JPS与DWA的组合路径规划算法可在全局最优的基础上实现避障。最后,基于ROS搭建室内AGV导航实验平台,在实际的室内场景中进行SLAM建图和路径规划实验以完成对改进算法的评价。结果显示,相较于原始算法,本文提出的改进算法表现出更好的实用性,具体体现在:改进Gmapping算法的精度更高、建图轮廓更清晰;改进JPS算法的搜索速度更快,规划的路径更加平滑;基于改进JPS的组合路径规划可以在全局路径最优的基础上实现动态避障。图[56]表[9]参[82]