移动机器人是综合计算机技术、控制理论、人工智能理论、传感器等多学科而形成的高技术,它是集环境感知、动态决策与规划、行为控制与执行等多功能于一体的综合系统。未知环境中移动机器人的导航控制是移动机器人研究的热点和难点问题,为了能够安全而自主的导航,机器人要能够通过传感器和其它技术感知环境和自身状态,然后实时的规划出一条无碰撞的路径,实现在有障碍环境中的避障和导航控制,从而完成预定任务。在未知环境中,环境信息对于机器人而言是不明确或不充分的,机器人缺少或不存在任何先验信息,包括环境大小、障碍物分布等,机器人必须通过传感器建立环境模型,适当的环境模型有助于对环境的理解,降低路径规划和各种决策的计算量。本文针对各种环境模型进行了阐述,分析了各自的优缺点,文章中在进行移动机器人定位与地图创建时,用到的是特征点地图,所选取的环境模型是由特征点构成的环境地图。在进行移动机器人定位及环境建模时,仅根据里程计等单一传感器获得机器人的状态及环境信息容易产生误差,本文在进行机器人导航定位及环境地图创建时采用里程计来实现对机器人的航迹推测,根据航迹推测的结果与当前地图中的已知环境特征来预测环境几何特征的集合,接着利用激光雷达感知环境信息,将其量测的实际环境信息经过处理形成环境几何特征的集合,然后将预测几何特征与实测几何特征进行数据关联匹配,系统根据数据关联匹配的结果实现地图或机器人位姿更新。对自主移动机器人来说,要实现在未知环境中的避障和导航控制,首先需要保证机器人能够可靠定位,机器人的可靠定位是以准确的环境地图为基础的,而准确的环境地图又需要机器人的精确定位,这类问题称为同时定位与地图创建,即SLAM问题。本文针对未知静态环境下的机器人SLAM问题进行研究,详细介绍了移动机器人SLAM问题的实现方法,首先对卡尔曼滤波器在SLAM问题中的应用进行阐述,针对卡尔曼滤波器仅适用于线性系统模型的情况下,研究并推导了基于扩展卡尔曼滤波器的SLAM算法实现的详细过程。文中为验证通过扩展卡尔曼滤波算法实现机器人定位与环境建模的有效性,首先建立Matlab7.0仿真界面,然后在Matlab7.0下进行仿真设计,对基于扩展卡尔曼定位跟踪算法进行实验验证,实现环境地图及障碍物更新、移动机器人运动方向更新及动态避障效果演示,仿真结果证明了基于扩展卡尔曼滤波的SLAM算法的有效性和合理性。移动机器人的路径规划问题是建立在机器人定位与地图创建的基础上,是移动机器人行为的深入。移动机器人的路径规划分为环境信息完全知道的全局路径规划和环境信息完全未知或部分未知的局部路径规划。本文对机器人的路径规划方法做了一般概述,重点阐述了人工势场法路径规划原理,接着对传统人工势场法存在局部最小点问题,即机器人处在某一处所受合力为零而停止不动,本文对这一问题进行了深入的研究和改进,针对不同情况提出了不同的改进措施。移动机器人作为一个智能控制系统,需要实现各模块之间的合理协调,并在系统的软硬件设计上具有开放性和可扩展性,体系结构的合理设计能够实现复杂行为并具备进一步完善的扩展能力。考虑到未知环境下的实时性要求和系统软硬件实现的可行性,本文在研究嵌入式系统的基础上,设计了一种嵌入式机器人控制系统,该系统体系结构整体上采用分层思想。设计系统以嵌入式Linux操作系统和三星公司的嵌入式处理器S3C2410为核心,扩展了存储模块、电源模块、JTAG调试电路、传感模块、无线通信模块、伺服控制模块、电机驱动模块,然后在硬件平台的基础上,构建了机器人系统的软件平台,包括VIVI启动软件、Linux内核以及Cramfs根文件系统,设计的嵌入式控制系统能够很好的满足移动机器人对实时性和多任务功能的要求,同时能够简化应用程序的开发。