随着中国制造业的发展,机器人学的重要性日益突出,并逐步走入人们的生活,推动社会的进步。移动机器人是机器人领域重点的研究分支,随着无人驾驶、自动驾驶研究兴起,更成为了当下讨论和研究热点。作为移动机器人,保证其能在处于未知环境也能够实现自主定位和导航,也是实现智能机器人的关键。本文将利用实验室现有Navigator Q2机器人为实验平台,并利用机器人操作系统ROS实现本课题的研究。首先,建立实现机器人系统相关模型。针对常规的移动机器人建立其运动模型和观测模型;对论文中涉及到的内、外部传感器模型进行了描述,并确定使用的改进直线模型;实际实验使用国产二维激光雷达,并对获得的信息数据处理。其次,SLAM部分主要研究基于改进的粒子滤波RBPF的FastSLAM建图的原理和方法。对于经典粒子滤波过程进行详细地阐述,指出经典粒子滤波算法中粒子退化的不足及常用改进:加入重采样过程;将经典粒子滤波算法与扩展卡尔曼算法定性的进行了对比。重点研究在高维复杂环境中,基于Rao-Blackwellized粒子滤波在SLAM中的应用FastSLAM,创新的针对重采样算法的粒子匮乏问题进行了自适应的改进;最后以实验验证改进算法有效性。再次,导航部分主要研究基于栅格地图的导航方法。在导航过程中,利用自适应的蒙特卡洛AMCL算法进行定位;路径规划过程分全局和局部规划两个部分,分别对A*算法、Dijkstra和动态窗口法(DWA)详细地分析,并通过MATLAB仿真进行验证,比较算法优缺点;对于局部路径规划传统DWA算法的不足进行了改进,将机器人非质点化,并加入了膨胀区间;最后以实验验证改进算法有效性。最后,利用Linux下的ROS机器人操作系统开发设计控制界面,并分别进行了SLAM和导航方法的仿真实验验证和实际环境的实验。