近年来，随着人工智能技术进入发展的黄金时期，移动机器人领域也迎来了新的发展机遇。作为机器人领域的核心部分，基于SLAM的室内自主导航技术受到国内外学者的广泛关注。本研究以机器人的室内自主导航技术为研究背景，分别对SLAM技术，机器人自定位及路径规划三个部分进行理论的研究，在此基础上利用实验验证导航系统各模块的有效性，并结合ROS的分布式网络完成实际的应用。
　　首先，详细介绍了移动机器人硬件配置，并对导航系统的整体框架进行阐述，完成自主导航系统的设计。在研究各坐标系转换关系的基础上，对机器人系统进行建模，并分析了栅格地图的构建原理，为后续SLAM原理的研究做准备。
　　其次，详细研究了粒子滤波算法的原理，并将粒子滤波算法与SLAM问题相结合，阐述了Rao-BlackwellizedParticleFilters算法的基本流程。由于RBPF-SLAM算法存在计算量大和粒子退化问题，选取基于改进RBPF的Gmapping算法作为室内环境下的建图方法，对改进建议分布和自适应重采样等优化措施进行深入研究，结合仿真平台测试算法的建图效果，得到Gmapping算法的最优参数。
　　然后，介绍了基于自适应蒙特卡洛定位算法的基本原理，结合仿真测试算法的定位效果。研究A*算法，LPA*算法和D*Lite算法三种常用路径规划算法的优缺点，选取D*Lite算法为导航系统中的全局路径规划算法，并利用光滑样条法对路径节点列表进行处理，结合仿真实验测试改进D*Lite算法的路径重规划效果。在此基础上，采用动态窗口算法进行局部路径的规划，结合仿真平台测试算法的评价函数对机器人自主避障和路径跟踪效果的影响，从而完成路径规划模块的设计。
　　最后，利用移动机器人平台在真实环境进行主动SLAM实验，结合IMU数据优化里程信息，测试改进Gmapping算法的优化效果。通过自主导航实验验证了机器人的定位效果，并分别在静态环境和动态环境中进行路径规划实验，验证改进D*Lite算法的路径重规划能力以及DWA算法的局部避障效果，证明了该导航系统的可靠性。