随着科技的发展,移动机器人广泛应用在军事、工业、民用等各个领域,并在日常生活中发挥重要作用。自主导航技术作为移动机器人智能化的重要体现,逐渐成为了目前研究的热点。其中,同时定位与地图构建(Simultaneous Localization and Mapping,SLAM)与路径规划是自主导航研究的关键技术。深度传感器由于可以直接获取环境深度以及图像信息,近些年来备受研究者的青睐,因此研究基于深度传感器的移动机器人导航具有一定的理论意义和实际应用价值。首先,通过对导航相关技术与传感器特性的深入分析,选用深度传感器作为导航传感器,并在机器人操作系统(Robot Operating System,ROS)上,完成基于深度传感器的移动机器人导航系统总体方案设计。其次,针对视觉SLAM中容易产生由误差累积导致构建地图不一致的问题,提出了一种基于改进闭环检测算法的视觉SLAM系统。为了减少移动机器人长时间运行带来的累积误差,提出了一种改进的闭环检测算法,改进相似性得分函数,减小感知歧义,提高闭环的识别率;在系统前端,首先利用深度传感器获取图像及深度信息,并采用计算量小的ORB(Oriented FAST and Rotated BRIEF)特征,有效减少视觉里程计位姿估计的计算量;同时,通过g2o(General Graph Optimization)对PnP(Perspective-n-Point)计算出的位姿进行无结构的迭代优化,提高视觉里程计的位姿估计精度;最后在后端采用以集束调整(Bundle Adjust,BA)为核心的图优化方法对位姿和路标进行同时优化。最终实验证明本文SLAM系统可以获得更准确的位姿估计,同时也满足系统实时性要求。然后,在路径规划中,提出一种基于混合蚁群算法的移动机器人路径规划算法,有效提高了运行效率;同时,避免了陷入局部最优。结合人工势场产生的目标引力,构造综合启发信息,使蚂蚁沿着目标方向寻找路径,以提高搜索效率;并采用狼群分配原则对信息素进行更新,避免其陷入局部最优;最后,利用路径优化算法对规划路径进行优化,使规划路径更加平滑,且能够进一步缩短路径。最后,在ROS平台上,设计并实现了一种基于深度传感器的移动机器人导航系统。通过相关的实验,证明了本文所设计的基于深度传感器的移动机器人导航系统具有可行性与稳定性。