随着科学技术的不断发展,人类社会的智能化程度与自动化程度在不断提高,智能化的移动机器人变得越来越贴近人类的生活,像扫地机器人,服务机器人,救灾机器人等与人们的生活息息相关。对移动机器人的导航和环境建模的研究一直以来都是国内外学术研究工作者们研究的重点。如何才能使得移动机器人在未知环境中导航时,能像人类一样做出合理的决定,一直是所有机器人技术研究者们期望实现的目标。而如何使得移动机器人能在移动过程中完成对未知环境的精确建模也是移动机器人研究的一个重要方向。本论文针对采用传统人工势场方法实现移动机器人导航存在的缺点和不足,提出了一种改进的人工势场方法。该方法通过改进斥力函数和添加旋转力对人工势场法进行改进,最小化斥力势场的扭曲程度,实现在目标点取到势场的全局最小值。仿真表明采用这种方法进行的人工势场法的改进,可以提升移动机器人运动轨迹的平滑度,减少障碍物周围的不规则抖动,实现目标点的可达性。针对移动机器人的势场函数参数,步长等参数,提出了基于粒子群优化细菌觅食算法(BF-PSO)算法的参数优化。为研究BF-PSO算法优化所获得参数对移动机器人导航的优化效果,分别设计了基于优化参数设置和基于经验参数设置的改进人工势场法移动机器人导航实验。仿真实验验证了BF-PSO优化参数对移动机器人导航优化效果提升的可行性,和获得更短路径的有效性。分别研究了基于扩展卡尔曼滤波算法(EKF)算法与无迹卡尔曼滤波器算法(UKF)算法在未知环境下的移动机器人环境建模方法。两种环境建模算法采用同样的仿真环境进行了仿真实验。两种方法的实验均获得了一条估计到的机器人运动路径和观测到的路标,输出了估计路径与真实路径的误差,观测路标位置与真实路标位置的误差。实验证明了,基于UKF算法的移动机器人环境建模方法获得机器人的估计路径与观测路标具有更好的精确度。